深圳市境外游客市场的灰色预测模型

通过对深圳市境外游客数量的分析,根据客流量与时间的关系,利用灰色系统理论建立 Ｇ Ｍ（１,１）灰色预测模型,其研究模型不仅与实际客流量相吻合,还可对未来几年客流量进行预测。     

上海市四个主要境外旅游客源市场的灰色预测模型

通过对上海市主要境外旅游客源市场游客数量的分析 ,根据客流量与时间的关系 ,利用灰色系统理论建立了GM( 1 ,1 )灰色预测模型 ,其研究模型不仅与实际客流量相吻合 ,还可以对未来几年客流量进行预测     

上海市日本游客客流量的灰色预测模型

通过对上海市境外旅游客源市场游客数量的分析,得出日本为上海最大的境外旅游客源国。根据客流量与时间的关系,利用灰色系统理论建立ＧＭ（１,１）灰色预测动态模型,其研究模型不仅与实际客流量相吻合,还可较精确地给出短期甚至中的预报结果,以便于未来几年客流量进行预测。     

深圳市境外游客市场的动态预测模型分析

通过对深圳市境外游客数量的分析,发现除个别年份以外,整个时间序列总体呈增长趋势。根据客流量与时间的关系,利用灰色系统理论建立深圳市境外客市场的ＧＭ（１,１）动态灰色预测模型,该模型经过检验,不仅与实际客流量相吻合,还可较精确地给出短期甚至中期的预报结果,以便对未来几年客流量进行预测。     

昆明市亚太地区主要旅游客源及特征分析与预测

通过对昆明市亚太地区主要客源国的客流量及旅游特征的分析,研究了昆明境外游客的群体特征;并根据客流量与时间的关系,利用时间序列法和灰色系统理论,建立了动态模型．其研究模型不仅与实际客流量相吻合,还可对未来几年客流量进行预测．     

基于灰色预测模型的重庆市入境旅游客流量预测

灰色预测模型在研究入境旅游客流量预测上有很高的精度.依据灰色预测模型的建模过程和模型精度检验的方法,对重庆市1997—2007年的入境旅游客流量进行分析,选取2004—2007年的入境旅游客流量作为原始数据,建立了重庆市入境旅游客流量和时间的数列预测GM(1,1)模型,经检验该模型预测精度可靠.依据该模型,计算出了2008—2012年重庆市的入境旅游客流量,预计2008—2012年重庆市入境旅游客流量会继续迅速上升,有望在2009年突破100万人次.     

城市轨道交通客运量影响因素与预测精度研究

城市规模不断扩大,我国城市轨道交通趋于高速发展,客流量是城市轨道交通建设规模的重要考量因素.为探究轨道交通客运量影响因素,以北京市为例,通过分析轨道交通客流的影响因素,探讨各影响因素与客流相关性;结合轨道交通发展规模,运用Matlab软件对客流量进行灰色预测,影响因子灰色关联度排序为:运营车辆数>运营线路数>运营公里数>常住人口数,为城市轨道交通客流合理预测提供思路与方法.     

灰色模型在旅游客源市场预测中的运用

通过对近几年来江苏省海外客源市场日本游客数量的统计数据分析,根据客流量与时间的关系,利用灰色系统理论中一种特殊的线性动态预测模型,建立了旅游人数与旅游时间的GM(1,1)灰色预测模型,探讨了GM(1,1)灰色预测模型在旅游客源市场预测中的应用问题,以期对今后游客数量的预测,合理规划客源市场提供科学的依据.     

餐饮业短期客流量预测方法

针对餐饮客流量自身特点,提出了以实验设计方法的样本分类为基础、综合利用BP(back propagation)神经网络与灰色-马尔科夫链组合的预测方法,并以某餐饮企业为例证明了方法的有效性,客流量预测误差从企业原来的±20%下降到±5%左右.     

基于Kalman滤波的地铁换乘客流预测

针对地铁换乘通道的换乘客流量,提出了利用Kalman滤波进行短时客流量预测的方法.基于Kalman滤波原理对地铁换乘客流系统构建状态方程,并根据历史数据对状态方程中的状态转移矩阵进行标定,然后运用灰色关联分析的方法来确定该状态转移矩阵在待预测时间序列上的值,进而实现客流量的预测.以北京地铁西单站换乘通道为例,从平日和假日两方面分别对该换乘通道一周内,早高峰时期客流量进行了短时预测.     

新的组合模型及在港口客流量预测上的应用

应用时间序列分析及灰色系统的有关理论提出了一种新的组合模型,并用这一模型对大连港的客流量进行了预测。     

基于灰色理论的成渝城际铁路客流预测

本文运用灰色理论方法，建立GM（1，1）模型对成渝问铁路年客运总量进行预测，并检验模型的精度。预测结果表明，该模型适用于短期的客流量预测，预测结果对新建成渝城际铁路的运营方案制定和运营组织，提供了很好的数据基础。     

武汉市旅游舒适度评价及客流量预测方法研究

利用近30 a气候资料,对武汉市旅游气候舒适性进行了评价,划分了旅游活动的适宜性等级和时段分布;结合近5 a旅游客流量的年内变化,计算了客流量月指数并划分了旅游活动的淡旺季;在对气候舒适度与若干虚拟因子数值化的基础上,采用OLS方法建立了客流量月指数与气候舒适度关系,结果显示：旅游景点的客流量与气候舒适度密切相关,综合考虑武汉市最佳旅游时间应为每年的4月、5月及10月.此外客流量还受到假期(如暑期、“十一”黄金周及春节)的影响;气候舒适度指数每变化一个单位,客流量月指数变化(增加或减少)1.016%,该模型能基本反映气候舒适指数与客流量月指数变化的关系.本项研究能为武汉市客流量年内变化预测、旅游开发等提供科学依据.     

基于相空间重构-SVM的公交客流量预测研究

提出了一种基于相空间重构与支持向量机预测公交客流量的新方法.应用互信息法计算公交客流量时间序列的最优时间延迟;应用Ca0氏方法计算其最佳嵌入维数;然后计算出最大Lyapunov指数,证实客流节存在混沌现象.建立相空间重构-支持向量机预测模型并确定训练样本对,对公交客流量数据进行预测.实例证明,该方法能有效地进行客流量预测.     

基于ARIMA与灰色马尔科夫模型的三亚市交通客流量预测研究

为了较为全面、客观、准确地预测城市的交通客流量,对三亚市旅游统计数据2012-2017年每月的交通客流数据进行分析,在数据整理的基础上,主要采用ARIMA模型和灰色马尔科夫模型对2012-01—2017-12月三亚的交通流量分别进行拟合仿真,并对2018年每月的客流进行了趋势外推预测;结果表明:采用ARIMA预测模型所获得的平均绝对百分误差为4. 42%,采用灰色马尔科夫模型获得的平均绝对百分误差为3. 78%,表明两种预测具有较高的精度;最后利用灰色马尔科夫模型进行趋势外推预测,得出三亚市2018年交通客流预计近3 600万,预测结果对三亚市旅游、交通等行业制定政策能起到积极的作用。     

基于ARMA模型的城市轨道交通客流量预测

客流量预测是城市轨道交通规划设计和运营管理的基本依据,是城市轨道交通建设过程的重要组成部分.在对天津地铁一号线日客流量变化的规律进行分析的基础上,采用自回归滑动平均时间序列(ARMA)模型对客流量进行预测.结果表明,与实际数据相比,模型具有较小的预测相对误差,取得了较好的预测效果.     

基于改进BP神经网络的公路旅游客流量预测

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进BP神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的BP网络.最后对几种预测方法的预测结果进行比较,说明了BP神经网络在公路旅游客流量预测的合理性与可行性.     

基于Elman型回归神经网络的公交客流预测

文章将动态回归神经网络(Elman)预测方法应用于城市公交客流量的预测, 通过对合肥市公交量的历史数据分析得到公交客流量的时间序列,将时间序列视为一个从输入到输出的非线性映射,对网络进行学习与训练仿真实验,并与BP神经网络输出结果进行了比较,并对网络模拟结果和历史数据进行了线性回归分析,求得一定的相关系数.结果表明,应用Elman神经网络方法比BP神经网络对公交客流量进行短期预测,预测精度高及效果好.     

旅游客流预测模型的比较及其实证研究——以黄山风景区为例

本文以黄山风景区1979-2004年客流量为例,定量分析线性回归模型、指数平滑模型、灰色预测模型以及BP网络预测模型的应用及其差异问题,得出以下结论：1）如果序列较长（20a左右）,可选择指数平滑预测模型;2）如果序列较短（7a以下）,可选择线性回归预测模型;3）介于两者之间的可以考虑使用灰色预测模型;4）BP模型预测（拟合）值比较准确,但结构复杂.由于选择的模式不同,预测值也会有差别,需要根据试算结果选择适当的网络模式和函数参数.     

基于时空特征的城市轨道交通客流量预测方法

随着城市轨道交通网络运营里程的不断增长及网络承载客流量的不断提高,特定站点客流量极易发生急剧变化,这种变化引起整个网络客流量的不均匀分布,从而增加运营调度的难度和运营事故的发生概率.本文以城市轨道交通实际运营中采集的大量客流数据为基础,从时间和空间两个维度分析城市轨道交通客流分布的特点,并进一步提出基于贝叶斯网络的客流量预测方法,实现对特定站点的客流量预测.本实验完全基于实际数据,结果表明:预测客流量平均绝对百分比误差基本在0.1以下,预测准确程度较高.