基于无偏灰色组合动态模型的铁路客运量预测研究

针对目前铁路运输客运量预测在精度方面的不足,提出一种无偏灰色组合动态预测模型,应用于现有铁路客运量的预测。通过借鉴无偏GM(1,1)模型直接建模思想,对传统的灰色Verhulst模型作出改进,即对原始序列作倒数生成,运用新生成的倒数序列建立无偏灰色Verhulst模型,以消除传统的灰色Verhulst模型自身的一些偏差;为进一步提高模型的拟合精度及收敛速度,引入马尔科夫链方法对无偏灰色Verhulst模型的拟合结果进行修正,同时兼顾数据序列具有一定的时效性,构建出无偏灰色组合动态客运量预测模型。以我国兰青铁路某区段2010—2019年共10年的客运量数据作为原始数据,验证模型的可靠性与准确性,并与传统EDGM(1,1)模型、灰色Verhulst模型和无偏灰色Verhulst模型作对比,结果表明,本文模型在预测精度方面更凸显优势,能有效提高预测结果的准确性。

含非线性时间项的无偏灰色模型构建与应用

针对含二次多项式时间项灰色模型存在着从差分到微分的跳跃性误差,提出了其无偏模型,此模型无需已知白化方程解析解。借助新变量将原白化方程转化为矩阵微分方程,根据方程的解直接建立离散时间响应函数的递推公式,利用直接建模法给出无偏模型的参数估计,采用精细积分法直接对数据进行高精度的模拟(预测),并以误差平方和最小为目标对初始点进行优化。从理论上证明了该模型具有含线性时间项非齐次指数规律重合性和伸缩变换一致性,从非齐次指数序列和能源消费实例上也验证了所构建模型的无偏性和有效性,具有更好的拟合(预测)精度。

无偏灰色—BP神经网络组合模型在变形预测中的应用

在传统灰色预测模型和BP神经网络模型的基础上提出了一种新的组合模型来对变形监测中的沉降进行预测。运用无偏灰色-BP神经网络组合模型,兼顾了灰色预测模型计算样本少、计算简单和BP神经网络自组织、自适应的预测能力等优点,并通过实验结果证明,利用该组合模型方法预测结果的精度明显优于单纯的灰色模型和无偏灰色模型。

基于无偏灰色模型的煤矿百万吨死亡率预测

为预测中国煤炭行业安全生产状况发展趋势,构建无偏灰色预测模型对我国煤矿百万吨死亡率数据进行模拟预测。通过对我国2005—2010年度煤炭行业的百万吨死亡率有关数据进行模拟,并与传统的灰色GM(1,1)模型的预测模拟结果进行对比分析。计算结果表明:无偏灰色模型消除了传统GM(1,1)模型本身固有偏差,预测精度较高,分析结果可靠,其中,平均绝对误差为0.030 6%,平均相对误差为2.71%,均低于传统GM(1,1)模型。预测数据显示近年来我国煤矿百万吨死亡率正逐步下降,2011年和2012年分别降至0.536%和0.411%,符合煤矿安全生产"十二五"规划要求。

PSO-无偏灰色马尔科夫模型在船舶交通流量预测中的应用

为提高船舶交通流量的预测精度,利用具有全局搜索能力的粒子群算法(Particle Swarm Optimization, PSO)对无偏灰色马尔科夫模型进行优化,构建船舶交通流量预测的PSO-无偏灰色马尔科夫模型。该模型可综合考虑预测中的残差序列、状态区间、状态转移概率,自适应选取最优白化系数,用以准确表征船舶交通流量的发展趋势。以东营港2012—2017年船舶交通流量季度统计数据为例,选取前21个季度数据对模型进行训练,后2个季度数据对预测结果进行分析,与传统的无偏灰色模型和无偏灰色马尔科夫模型相比,该模型能显著地提高船舶交通流量的预测精度,其拟合精度和预测精度分别为91.439%和95.959%,验证后该模型具有科学性与有效性。

基于无偏灰色Verhulst模型的铁路货运量预测研究

铁路工程项目投资和效益的控制,铁路运输发展战略的制定以及铁路运输设施效益的提高都与铁路货运量密切相关,准确预测铁路货运量具有重要意义。根据无偏GM(1,1)模型直接建模法的思想对传统灰色Verhulst进行改进,即对原始序列作倒数生成,运用新生成的序列建立模型,便可得到无偏灰色Verhulst模型。改进后的模型消除了灰色Verhulst模型自身固有的偏差,用此模型预测兰州至中川铁路货运量,结果表明,无偏灰色Verhulst模型比传统灰色Verhulst模型和GM(1,1)模型的预测精度更高。

可变参数无偏灰色模型的中长期负荷预测

由于传统灰色预测模型固有的偏差和模型参数的固定选择,导致预测精度较低,不适应中长期负荷预测。对传统模型进行改进,包括对历史数据的平滑处理、模型参数修正、等维新息数据处理和对预测值的修正等,改进后的模型能够较好的预测中长期负荷。

无偏灰色Verhulst模型的优化及其应用

针对传统无偏灰色Verhulst模型初始条件的选取问题,分别提出了以x(1)(1)和x(1)(n)为初始条件的优化模型,使得原始序列的一阶累加生成序列与其模拟值的误差平方和在理论上达到最小.在此基础上,给出最优初始条件下的无偏灰色Verhulst模型的预测公式,并通过实例验证了优化模型的有效性和实用性.

基于新维无偏灰色马尔可夫模型的大坝沉降预测研究

【目的】基于组合预测思想,结合灰色理论与马尔可夫预测方法的特点构建一种新的预测模型,为大坝沉降量的中长期预测提供支持。【方法】通过对传统灰色系统模型的优化改进,简化建模步骤并提高模型预测精度。在此基础上,借助于马尔可夫模型处理时间序列的随机性波动,克服灰色模型对随机波动性大的序列预测精度较低的局限性,并利用新信息优先原理,构建新维无偏灰色马尔可夫组合预测模型。将构建的新维无偏灰色马尔可夫组合模型应用于大坝沉降量的预测。【结果】构建的模型预测平均误差由原来的1.7%降低为1.0%,且预测误差的变化波动性减小。同时,随着预测期数的增加,相对于传统灰色模型,改进后的组合模型的预测精度进一步提高。【结论】与传统计算方法相比,所建立的新维无偏灰色马尔可夫组合预测模型计算量小、预测精度较高,且该模型保留了传统灰色模型短期预测精度高的优点,提高了模型的中长期预测能力,适用于大坝沉降量的中长期预测。

无偏灰色预测模型在边坡变形预测中的应用

根据边坡位移监测信息,应用灰色系统预测模型,可以对边坡变形的发展进行预测.采用传统灰色预测模型和无偏灰色预测模型对边坡变形进行预测,预测结果表明,两种模型都是有效的,无偏灰色预测模型的精度更高.

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用,该模型是一种有偏差的指数模型,在该模型基础上作者已导出了无偏灰色预测模型.将无偏灰色预测模型应用于负荷预测中,并与传统灰色预测模型进行了比较,结果显示了无偏灰色预测模型的优越性.

无偏灰色Verhulst模型初始条件的优化

针对传统无偏灰色Verhulst模型初始条件的选取问题,分别提出了以x(1)(1)和x(1)(n)为初始条件的优化模型,使得原始序列的一阶累加生成序列与其模拟值的误差平方和达到最小。在此基础上,给出了最优初始条件下的无偏灰色Verhulst模型的预测公式,并通过实例验证了优化模型的有效性和实用性。

基于最优维数无偏灰色模型的电量负荷预测

为了提高电量负荷预测的准确度,在传统灰色模型和无偏灰色模型的基础上,提出了一种改进灰色模型,该模型选用对预测值影响最大的几组数据进行无偏建模,消除了传统灰色模型和无偏灰色模型中由于原始数据序列选用不当导致的偏差。经模拟运行,运用此模型所做预测值比传统灰色模型和无偏灰色模型所做预测值误差分别减小了3.11％和4.66％。这一方法已在实际生产计划中得到应用。

基于改进无偏灰色马尔科夫模型的煤矿事故死亡人数预测

在传统灰色模型和马尔科夫理论的基础上,根据新信息优先原理,构建维新无偏灰色马尔科夫模型。以我国2003年~2011年煤矿事故死亡人数为基础,预测2012年~2016年煤矿事故死亡人数,并与传统模型预测结果进行对比分析。

基于新维无偏灰色马尔可夫模型的小麦产量预测

针对小麦产量具有较大波动性的特点,结合灰色预测模型和马尔可夫理论,同时利用新信息优先的思想,以河南省2010-2019年小麦产量作为原始数据建立无偏灰色GM(1,1)模型、无偏灰色马尔可夫模型和新维无偏灰色马尔可夫模型,并对比3种模型的预测精度。结果表明,新维无偏灰色马尔可夫模型能提高预测精度,适合中长期预测,并预测出河南省未来5年的小麦产量数据。

灰色无偏GM(1,1)模型在生活能源电力消费量预测中的应用

利用2000-2005年全国生活能源电力消费量统计数据,建立了一个电力消费量预测的灰色无偏GM(11,)模型.模拟结果表明:灰色无偏GM(1,1)模型比较合理地反应了生活能源中电力的消费趋势,并且预测精度较高、误差较小,为电力消费量预测提供了一个科学而有效的方法.

基于马尔科夫链改进无偏灰色Verhulst的中长期负荷预测模型

在传统灰色Verhulst模型的基础上,提出无偏灰色Verhulst-markov模型,通过无偏灰色Verhulst模型,更好地解决了数据量偏少和受特定负荷数据类型的影响,同时,通过马尔科夫链进行状态估计,提高预测的误差精度。算例结果表明:无偏灰色Verhulst-markov模型在中长期负荷预测中具有较高的预测精度。

基于无偏灰色马尔科夫模型的新疆物流需求量预测

选取货运量来表征物流需求,用新疆2001-2014年货运量作为原始数据序列,建立无偏灰色马尔科夫预测模型,对"十三五"期间的货运量进行预测。模型的检验结果表明:均方差比值和小误差概率均为一级,相对误差为二级。模型提高了货运量预测的精确度,平均精度达到98.7%,表明此模型对于货运量的预测有很强的实用性。

一种新的灰色无偏GM(1,1)模型建模方法

通过分析GM (1,1)白化方程的解析表达式 ,建立了无偏的GM (1,1)模型 ,给出了估计模型参数的新方法。该模型具有白指数律重合性 ,它突破了a较大时GM (1,1)模型不能应用的禁区 。

基于新维无偏灰色Markov模型单位GDP能耗预测研究

能源消耗问题是全球关注的焦点,单位GDP能耗是反映能源消耗水平的重要指标,对其进行科学、准确的预测有着重大意义。由于GM(1,1)模型和Markov模型用于时间序列预测时优势互补,本文首先建立了无偏灰色Markov预测模型,然后进一步利用新信息优先的思想,建立了等维新息无偏灰色Markov预测模型。以1991年至2011年广东省单位GDP能耗实测值作为原始数据,构建预测模型,预测其2012年至2014年单位GDP能耗。结果表明:新维无偏灰色Markov模型的预测误差小,精度高,适合中长期预测。