基于灰色预测模型的公路运输量预测

为了准确预测公路运输量,提高公路运输行业的管理水平,在运输业近年运量统计数据的基础上,利用灰色预测理论的GM(1,1)模型,给出了运用GM(1,1)模型进行预测的详细步骤,并以浙江省公路运输量预测为例进行了实际应用,对预测结果进行误差检验,表明预测结果具有较高的精度.     

基于GM-PLS组合模型预测一次能源消费

为了预测一次能源消费量及其由此引起的污染物排放量,建立了偏最小二乘回归与GM(1,1)优化组合模型(GM—PLS)。用大连市历史年的一次能源数据分别建立了单项模型和优化组合模型并进行了验证比较。结果表明,组合预测的相对误差仅为1．70％,高于两种方法单独预测时的精度。选取了国内生产总值GDP、总人口数、第二产业占国民经济的比重及煤炭消费占一次能源消费的比重4个自变量用组合模型对大连市规划年的一次能源消费量进行了预测。结果表明,一次能源消费将会逐年增加。如果天然气的供给量能达到预测值,用其替代煤,则2020年由一次能源产生污染物的量将减少15．53万t。     

基于灰色系统理论的重庆市煤炭消费需求预测

根据灰色系统理论,以1995—2002年重庆市煤炭消费量作为基础数据,建立了2个灰色预测模型．应用灰色预测GM（1,1）模型预测了重庆市2005—2011年煤炭消费量,并分析了预测的结果．结果表明,该预测具有较好的精度,结果是可信的．     

路基沉降的灰色理论预测及其应用

运用灰色理论,对铁路高填方路基的沉降进行预测,建立了GM(1,1)预测模型.以相同观测时段的GM(1,1)模型为原型,考虑荷栽变化,针对地基土体均匀的情况,提出了GM(1,1)修正模型.通过具体实例,对模型的预测结果进行分析.分析表明,用修正模型预估下一级加载后的沉降,选取适当的沉降变化比进行计算,预测值与实测值之间误差小于6%,方法简单可靠,对类似高填方路基工程有一定参考价值.     

无偏GM(1,1)模型与指数方程模型的比较

无偏GM(1，1)模型是在传统GM(1，1)模型基础上的一种改进，它实际上是一无偏差的指数模型，相对于用回归法进行曲线拟合建立指数方程模型这样一种建模方法，该方法可认为是一种新的指数模型建模方法，通过理论分析和实例计算对这两种模型进行了比较。     

动态测试误差灰色预报精度及修正

文章针对动态测量具有随机性、相关性、动态性等特点,借助灰色系统理论的方法建模,提出了最优化系数修正法对模型加以修正,较好地提高了模型的精度。克服了原有的灰色预测模型精度低的缺点,使其广泛用于动态测量的误差修正系统,具有现实的意义。     

路基沉降的灰色理论预测及实例验证

运用灰色理论GM(1，1)模型，对铁路高填方路基的沉降进行预测，建立预测模型，并且运用后验差法进行精度校验；最后通过具体实例，验证所建立的高填方路基预测模型的精度，从而证实该方法的有效性。     

基于最小二乘法的GM(1,1)模型在人口预测中的应用

作者先对问题进行分析,在明白要采取灰色系统理论来处理该问题原因的前提下,运用普通的GM(1,1)模型的知识,通过优化GM(1,1)模型(下称模型一)、新陈代谢GM(1,1)模型(下称模型二),鉴于此,采用最小二乘法对模型一和模型二预测出的两组数据,以及实际数据进行拟合,得到了关于模型一,模型二的两个系数,然后用这样的两个系数,重新组合模型一,模型二,得到了第三个模型,即基于最小二乘法的GM(1,1)模型(下称模型三),再一次的进行预测。三个模型的预测数据进行比较,显然是模型三的误差最小,认为模型三最符合实际。并以基于最小二乘法的GM(1,1)模型的预测数据作为最终的结果。     

严重飞行事故频数的灰色马尔柯夫预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点，采用结合GM(1，1)模型与马尔柯夫预测技术的联合预测方法，进行严重飞行事故频数的趋势性分析和状态预测。     

基于灰色人工神经网络组合模型的交通量预测

针对公路远景交通量预测工作中常存在交通量原始数据呈随机性、非线性变化的特点,同时学习样本量较小、信息不充分的问题,充分利用贝叶斯正则化神经网络非线性逼近,良好的泛化能力和无偏GM(1,1)模型的少数据建模,弱化原始数据随机性并增强规律性,消除了传统GM(1,1)模型预测所固有的偏差的优点,建立无偏GM(1,1)-贝叶斯正则化神经网络交通量组合预测模型,并应用于实际交通量预测中.与传统BP预测模型比较,算例结果表明所建模型有效可行,提高了预测精度.