无偏灰色Verhulst模型的铁路货运量预测研究

为提高灰色verhulst模型的预测精度,采用粒子群算法对灰色verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用fourier序列修正模型的误差,提出fpso灰色verhulst模型预测铁路货运量的方法.以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色verhulst模型、gm(1,1)、径向基神经网络、fpso灰色verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测.结果表明,fpso灰色verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法.

通过markov状态转移矩阵对改进后的灰色预测结果进行修正,构建改进灰色-markov预测模型,并对我国铁路未来货运量需求预测进行了实证分析。

科学的货运量预测对铁路发展战略的制定具有十分重要的意义。采用灰色模型预测方法gm（1,1）和马尔可夫链预测相结合,提出了灰色-马尔可夫链改进预测方法,利用偏差对灰色模型值进行状态划分,并采用马尔可夫状态转移矩阵对状态的转移变化进行分析,并针对我国铁路货运量的未来趋势进行了经济预测的分析,确定待测年份偏差最可能处于的状态。

根据灰色系统理论、verhulst模型和建筑工后沉降规律,建立建筑工后沉降灰色verhulst预测模型,给出模型精度评定方法和残差修正预测模型,并提出非等时距沉降序列的lagrange多项式等时距插值转换方法。通过工程实例计算分析,取得较好的效果。

针对建筑垃圾产量统计偏差大、数据不全面的现象,运用灰色理论建立了建筑垃圾产量的灰色verhulst预测模型,对沈阳市未来5年建筑垃圾产量进行了预测。与gm(1,1)预测模型相比较,发现灰色verhulst模型可以满足\"优\"的精确度要求,并且能够更加合理地反映建筑垃圾产量变化趋势,因此该模型可以用于预测建筑垃圾的产量。

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。本文将灰色模型预测方法gm(1,1)和马尔可夫链预测相结合,提出灰色马尔可夫链改进预测方法,并且针对我国铁路货运量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色马尔可夫链改进方法的预测结果更加准确可靠,更有利于决策者的经济决策行为。

基于传统的灰色verhulst模型在基坑沉降预测中精度较低的问题,提出优化的灰色离散verhulst模型。在基坑沉降监测中,由于有新的监测沉降值不断补充到原始数据序列中,各种因素会带来新的扰动,原来的模型精度降低,为避免由此产生的误差,用新陈代谢方法建立优化灰色离散verhulst一维、二维新陈代谢模型。将传统verhulst模型、优化的灰色离散verhulst模型及优化灰色离散verhulst一维、二维新陈代谢模型进行比较。研究结果表明:该模型通过采用离散化思维对原数据序列进行倒数变换,从连续形式向离散形式变化,减小了传统verhulst模型建模过程中从微分方程到差分方程带来的误差;采用新陈代谢方法的优化灰色离散verhulst模型精度更高,可选用该模型对基坑进行沉降预测。

为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于bp神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明：bp神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。

该文针对高层建筑物沉降所表现的发生、发展、成熟和趋于饱和的过程,以灰色verhulst模型进行拟合、预测。文中就其建模理论及计算流程进行分析研究,并以工程实例进行验证。结果表明,该模型计算简单,模型参数较少,拟合、预测精度较高,能够有效的反映高层建筑物的沉降变化规律。

科学的货运量预测对铁路发展战略的制定具有十分重要的意义.针对灰色模型的预测结果精确度受原始数据变化幅度的影响较大,且要求累加生成的数据列具有指数性质的缺点,采用带波动的多项式来替代gm(1,1)模型中的指数形曲线,并通过马尔可夫链对其预测结果进行修正,从而建立改进的灰色-马尔可夫链预测模型,同时利用该改进模型对我国铁路货运量进行预测,并与传统的gm(1,1)模型、改进的gm(1,1)模型和灰色-马尔可夫模型3种预测方法进行了比较,结果表明:提出的预测方法具有较高的精度,具有一定的可行性和有效性,预测结果可指导铁路建设与管理.

结合公路软土路基沉降监测数据,本文研究了灰色verhulst模型和双曲线模型在公路路基沉降预测中的应用,建立了任意时间间隔的图1双曲线法推算最终沉降量t-tb0sbsbbssts∞t→∞1β/tbtt灰色verhulst模型。计算得出了灰色verhulst模型和双曲线模型对公路路基沉降量预测结果,并与监测结果进行比较,结果表明灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要。

饱和负荷是指一个地区经济发展进入负荷增长饱和阶段的时间及负荷规模,饱和负荷预测对电力规划设计具有指导性意义。饱和负荷受很多未知随机因素的影响,灰色verhulst模型能够对部分信息未知、具有饱和特性的系统进行高精度预测。通过灰色verhulst模型对浙江地区饱和负荷预测,浙江地区全社会用电量达到饱和的时间为2020年,饱和规模为4281.28亿千瓦时,年最大负荷进入饱和阶段的年份为2020年,饱和规模为7528.78万千瓦。

铁路客运量是衡量我国交通需求的重要指标,科学预测铁路客运量是制定交通发展规划的重要依据。鉴于组合模型能克服单一模型的不足并兼具单一模型的优点,基于灰色模型和线性回归模型,根据灰色关联度赋予单一模型相应权重,建立铁路客运量组合预测模型,并选取2006—2015年铁路客运量数据,对我国铁路客运量进行预测。结果表明:组合模型克服了单一模型的预测局限性,能进一步提高预测精度,适用于铁路客运量预测研究。

为进一步提高灰色verhulst模型的预测精度,将ls-svm算法与灰色verhulst模型相结合,对灰色verhulst模型的参数估计方法和预测方法进行了改进。该方法采用ls-svm算法,构造以背景值序列和原始序列为训练样本的ls-svm,将verhulst模型参数的估计问题转化为灰色ls-svm的参数估计问题,依据ls-svm算法求得灰色ls-svm的参数,进而得到verhulst模型的参数估计,方法上遵循了结构风险最小化原则,适合verhulst小样本建模的特点。将改进的模型应用于软土地基建筑物的沉降预测,结果表明本文的方法是可行的且有效的,比传统方法预测精度高。

在分析我国水上交通事故历史数据的基础上,引入灰色verhulst预测理论。由此建立了水上交通事故verhulst模型,并分别利用该模型和灰色gm(1,1)模型对我国近几年水上交通事故进行了预测,发现该模型精度高,拟合度更优。该模型可用于对我国水上交通事故的预测。

高铁路基需严格控制工后不均匀沉降。鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法。通过工程实例对比分析了去噪灰色verhulst模型、gm(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度。结果表明:gm(1,1)模型拟合精度高,预测精度低,不适用于长期预测；双曲线法预测精度最低,预测曲线不包含路基饱和发展过程；小波去噪灰色verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测。

高铁路基需严格控制工后不均匀沉降.鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法.通过工程实例对比分析了去噪灰色verhulst模型、gm(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度.结果表明:gm(1,1)模型拟合精度高,预测精度低,不适用于长期预测;双曲线法预测精度最低,预测曲线不包含路基饱和发展过程;小波去噪灰色verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测.

采用定性分析方法确定物流货运量的影响因素,基于线性回归方法建立数学模型。采集延安市货运量相关数据,根据2001-2008年数据确定模糊回归系数a,对2009-2012年公路物流货运量进行计算,并采用实际数据与其他三种预测方法进行验证。结果表明:线性回归数学模型对物流货运量进行预测精确度高,误差较小。

对客运量发展趋势进行预测是正确制定铁路客运营销战略的前提和基础,文章运用灰色运用对某铁路局的客运量及周转量进行了预测,认为某铁路局客运量的发展趋势是逐渐降低,但降低的趋势是逐渐减少;客运周转量的发展趋势是不断增加。

采用灰色预测模型分析了农村客运需求的主要影响因素,利用这些因素建立灰色预测模型,对我国农村客运需求进行了短期预测,为我国公路客运的发展规划提供参考。

公路软土路基在施工完成后会产生较大的工后沉降,对后期的车辆通行有一定的影响,因此对软土路基的沉降预测进行了研究。根据实际工程中所测得的沉降数据,利用python编程语言的科学计算库,建立了非等时距灰色verhulst模型。采用sa算法(模拟退火算法)对模型进行优化,求得模型参数的最优解和最终沉降量,给出了路基随时间变化的沉降预测曲线,并与传统非等间隔灰色verhulst模型曲线进行了对比和误差分析。结果表明:经sa算法优化后的模型能更好地反映软土路基的沉降规律,可较好地应用于软土路基的沉降预测研究中。

公路软土路基在施工完成后会产生较大的工后沉降,对后期的车辆通行有一定的影响,因此对软土路基的沉降预测进行了研究。根据实际工程中所测得的沉降数据,利用python编程语言的科学计算库,建立了非等时距灰色verhulst模型。采用sa算法（模拟退火算法）对模型进行优化,求得模型参数的最优解和最终沉降量,给出了路基随时间变化的沉降预测曲线,并与传统非等间隔灰色verhulst模型曲线进行了对比和误差分析。结果表明：经sa算法优化后的模型能更好地反映软土路基的沉降规律,可较好地应用于软土路基的沉降预测研究中。