基于马尔科夫链-BP神经网络模型对公路运量的预测研究

选取河北省某地区1998—2017年公路运量数据为例,采用BP神经网络模型进行预测并用马尔科夫链修正预测值,将公路运量实际值与BP神经网络预测值及马尔科夫链修正值作对比分析并预测了2018—2019年的公路运量数据。使用马尔科夫链修正后的BP神经网络预测模型可以将公路客运量和货运量的平均相对误差分别下降至2.07%和2.14%。修正后的模型不仅可以准确的对公路运量做出预测,而且可以为未来公路运输发展提供有利意见。

灰色马尔可夫模型在公路运量弹性系数预测中的应用

针对公路运量预测中弹性系数随机波动性较大的问题,结合灰色模型可以揭示预测数据的发展趋势以及马尔可夫预测适合描述随机波动性较大的预测问题的优点,建立了公路运量预测中弹性系数的灰色马尔可夫预测模型;用该模型对北京市公路客运弹性系数进行预测,验证了模型对公路运量中弹性系数进行预测的合理性。研究结果表明,灰色马尔可夫预测模型能够较好地提高公路运量预测中弹性系数的预测精度,对于提高公路运量预测精度具有重要意义。

基于BP神经网络与灰色预测模型的公路运量预测

公路运量与国民经济、社会发展紧密相关,其数据是衡量人民生活和国家经济效益的重要标准。为预测公路运量,以灰色预测模型为基础,建立BP神经网络模型,并建立多元回归模型,选择与公路运量高度相关的属性如人口、机动车数量等,带入灰色预测模型进行分析,最终确认汽车保有量、人均GDP、人口总量和城市化率是公路运量的主要影响因子。建立基于BP神经网络的公路运量预测模型,并将所确定因子作为预测指标,对模型进行应用测试。测试结果显示该模型最小和相对平均误差均在最优范围内,具有一定应用价值。

2050年青海省公路运量预测

本文通过对青海公路交通运输发展的现状以及该地区未来经济发展对公路运输的影响因素的分析，利用因果关系回归法和弹性系数法分别对２０５０年青海省公路运量的发展趋势进行了预测。

基于机动车增长影响的公路客运量预测研究

公路客运量是公路网规划中分析区域交通运输需求常用的指标,规划中采用的模型大多基于经济、人口等单项指标进行推测,较少考虑近年来机动车迅速增长对公路客运市场的冲击,因此提出一种基于机动车增长影响的公路客运量预测方法,通过分析相关影响因素,利用山西省历史数据建立模型,并利用模型预测分析发展趋势。

基于支持向量回归机的公路货运量预测模型

为了提高公路货运量预测的能力,应用基于结构风险最小化准则的标准支持向量回归机方法来研究公路货运量预测问题。在选择适当的参数和核函数的基础上,通过对成都公路货运量时间序列进行预测,并与人工神经网络、线性回归分析等方法进行了对比,发现该方法能获得最小的训练相对误差和测试相对误差。

基于蚁群优化支持向量机模型的公路客运量预测

针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。

上海市公路货运量与经济增长关系的协整分析

根据1990年～2005年上海经济与货运交通发展的数据,利用协整理论及其分析软件,对上海市公路货运量与经济进行协整分析.通过协整检验发现,公路货运量与经济指标之间存在长期的均衡关系.Granger因果检验表明,公路货运量与公路里程数、工业企业总数、国民生产总值(GDP)之间都存在单向的Granger因果关系.研究结果表明:目前公路运输对国民经济增长的促进作用的能量还没有得到充分发挥.相关政府部门则需要调整相关的产业政策及货运政策,引导公路运输向更为健康的方向发展.

公路货运量灰色模型—马尔可夫链预测方法研究

将灰色系统理论与马尔可夫链相结合,首次提出了灰色模型—马尔可夫链预测公路货运量的方法;并结合"十五"期间中国公路货运量和公路货运市场的发展趋势的预测分析详细阐述了该方法的具体应用。首先建立GM(1,1)灰色动态拟合模型,并以此作为公路货运量发展变化的动态基准线模型;在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分、样本值与模型拟合值之间的残差及其标准化离差等指标的分析计算,最终以概率形式分析和预测公路货运量的发展变化区间。理论分析和实践都表明,该法不但预测结果更可靠,而且能够对公路货运市场的发展趋势进行宏观的把握,有利于决策者的决策行为。

基于多元统计和改进BP网络的公路客运量预测

本文在利用主成分分析方法筛选出影响公路客运量的2个主导因子的基础上,分别采用回归分析法和改进神经网络方法对公路客运量进行了预测,预测结果表明两种预测方法都具有较高的精度,而引进了动量法和学习速率自适应调整策略的神经网络,其预测精度更高,但回归分析法能更好地揭示各因子对公路客运量的相对贡献率。

基于改进灰色-马尔可夫链方法的公路货运量预测

科学的货运量预测对公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公路货运量进行预测,经分析表明预测结果具有较高的精度,预测方法具有一定的可行性和有效性,预测结果可指导公路建设与管理.

公路货运量与燃油价格的动态协整分析

运用协整理论中的协整分析方法、单位根检验、Granger因果关系和Johansen检验等方法,对我国公路货运量和燃油价格的关系进行实证分析并建立误差修正模型,寻求这两者之间的短期动态波动和长期均衡关系,结果表明:公路货运量和燃油价格两者存在协整关系,即它们之间有长期稳定均衡关系;公路货运量是燃油价格的Granger原因,公路货运量的变化将引起燃油价格的同方向变动。

基于灰色GM(1,3)-马尔可夫链模型的公路客运量预测

为了获得更精确的公路客运量预测结果,经分析,以公路客运量、人口和国内生产总值数据为基础,将灰色模型预测方法GM(1,3)和马尔可夫链预测结合,构成组合模型,对公路客运量作出预测.通过对杭州市公路客运量预测的实例分析,对比预测值和实际值,得出基于灰色GM(1,3)-马尔可夫链模型获得的预测结果比灰色预测更加准确的结论,研究结果表明:该模型对公路客运量预测有一定的实用价值.

基于RBF神经网络的公路货运量预测方法研究

本文提出了一种基于RBF神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它RBF预测法,有很好的应用性.

基于灰色Verhulst-马尔可夫链组合预测方法的公路客运量预测研究

将灰色系统理论和马尔可夫链理论相结合,提出了灰色Verhulst—马尔可夫链组合预测方法来预测具有饱和状态发展趋势的观点;结合广东省公路客运量发展趋势来对该组合预测方法进行具体应用。计算分析证明,该模型较灰色Verhulst模型、灰色GM(1,1)—马尔可夫模型具有预测精度高、适应弹性大、实用性强等特点,可对公路客运量的发展趋势进行宏观把握,对宏观决策具有指导意义。

基于支持向量机的公路货运量预测方法研究

首先分析了公路货运量预测的重要性,介绍了国内外主要预测方法。归纳总结了支持向量机的核心思想和基本原理,利用此较新的理论建立了公路货运量预测模型,给出了构建模型的具体分析步骤,同时探讨了参数的标定和修正过程。利用北京市基础数据,建立北京市公路货运量预测的支持向量机模型,并应用LibSVM软件进行预测,预测结果验证了模型的有效性和可行性,表明方法可以推广并可实际应用。

新建铁路运量预测的公路OD推算模型研究

目前我国铁路线网的规划发展正在由能力限制型向需求适应型转变,因而在对新建铁路进行运量预测时,应充分考虑铁路与其他运输方式的合理分工。其中,公路的路段流量可以通过观测获取而OD流量无精确统计方法,对此,采用科学合理的理论方法来实现公路OD的有效推算。考虑到在面向铁路运量预测的实际应用中数据源的可获得性与计算规模的可控性,在已知公路路段流量的情况下,采用的公路OD推算方法为:利用改进的Dial算法计算每一OD于各有效路段的分担比例,进而基于多路径的分配概率设计OD矩阵循环迭代算法步骤。最后,结合实际案例验证了方法的有效性和可行性。

基于MPSO-RBF的公路货运量预测方法研究

在分析公路货运量的影响因素和预测特点的基础上,将PSO算法的全局搜索能力和RBF神经网络局部优化相结合,建立了基于改进PSO算法和RBF神经网络的公路货运量预测模型(MPSO-RBF)。利用某城市的历史数据对预测模型进行了训练、测试与仿真,同时将仿真结果与回归分析法、灰色理论法、BP神经网络和RBF神经网络预测的结果进行了比较,结果表明文中提出的预测方法精度较高,对于公路货运量预测具有一定的可行性和有效性。

基于遗传算法优化支持向量机的公路客运量预测

公路客运量预测是公路规划建设的一项重要工作。针对其难以建立精确预测模型的问题,结合支持向量机与遗传算法,提出了一种公路客运量预测的新方法。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用遗传算法来优化其训练参数,以得到优化的支持向量机的预测模型。以北京市的数据作为应用算例,并与BP神经网络及RBF神经网络的预测结果进行对比分析。实验结果表明,基于遗传算法的支持向量机模型的预测精确更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用遗传算法进行支持向量机参数优选的方法是可行有效的。

基于熵权法的公路货运量组合预测

由于仅采用单一模型进行预测很难得到有效的预测结果,为了充分利用各种预测方法所提供的信息,规避单一模型的局限性,尽可能科学有效地预测公路货运量,在多元线性回归模型、二次指数平滑法以及GM(1,1)模型这三种单一模型的基础上,建立基于熵权法确定权重的组合预测模型。实证结果表明,与单一的预测方法相比,组合预测模型能够降低单一模型的预测风险,减少预测的系统误差,提高预测精度,具有较好的实用价值。