灰色预测模型在公路货运量预测中的应用

论述了灰色预测模型在公路货运量预测中的应用技术、方法与程序。该方法利用了累加生成手段和微分方程描述的灰色模型,与目前常规货运量预测理论和模型相比,可有效地处理小样本、贫信息的不确定系统,并在一定预测时段内具有良好的预测精度和实用性。

基于灰色-反向传播神经网络的江西省公路货运量预测

鉴于反向传播(back propagation,BP)神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省统计年鉴数据为基础,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均国内生产总值(gross domestic product,GDP)作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证。结果表明:本文方法非线性拟合效果较好,具有较高的预测精度。

基于灰色预测模型的山东省公路货运量预测分析

文章论述了灰色预测模型在公路货运量预测中的应用技术、方法与程序。该方法利用了累加生成手段和微分方程描述的灰色模型,与目前常规货运量预测理论和模型相比,可有效处理小样本、贫信息的不确定系统,并在一定预测时段内具有良好的预测精度和实用性。应用灰色系统中的GM(1,1)模型对1999-2010年山东省公路货运量进行分析和研究,通过运行预测模型并与原历史数据进行比较,确认预测模型准确度较高;最后以此预测模型对山东省2012—2017年的公路货运量进行了预测。