基于改进灰色Markov模型铁路货运量需求预测

为提高灰色verhulst模型的预测精度,采用粒子群算法对灰色verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用fourier序列修正模型的误差,提出fpso灰色verhulst模型预测铁路货运量的方法。以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色verhulst模型、gm(1,1)、径向基神经网络、fpso灰色verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测。结果表明,fpso灰色verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法。

为提高灰色verhulst模型的预测精度,采用粒子群算法对灰色verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用fourier序列修正模型的误差,提出fpso灰色verhulst模型预测铁路货运量的方法.以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色verhulst模型、gm(1,1)、径向基神经网络、fpso灰色verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测.结果表明,fpso灰色verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法.

科学的货运量预测对铁路发展战略的制定具有十分重要的意义。采用灰色模型预测方法gm（1,1）和马尔可夫链预测相结合,提出了灰色-马尔可夫链改进预测方法,利用偏差对灰色模型值进行状态划分,并采用马尔可夫状态转移矩阵对状态的转移变化进行分析,并针对我国铁路货运量的未来趋势进行了经济预测的分析,确定待测年份偏差最可能处于的状态。

科学的货运量预测对铁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铁路货运量进行预测,并与传统的gm(1,1)模型、改进的gm(1,1)模型和灰色-马尔可夫模型3种预测方法进行了比较,结果表明:提出的预测方法具有较高的精度,具有一定的可行性和有效性,预测结果可指导铁路建设与管理.

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。本文将灰色模型预测方法gm(1,1)和马尔可夫链预测相结合,提出灰色马尔可夫链改进预测方法,并且针对我国铁路货运量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色马尔可夫链改进方法的预测结果更加准确可靠,更有利于决策者的经济决策行为。

采用灰色预测模型分析了农村客运需求的主要影响因素,利用这些因素建立灰色预测模型,对我国农村客运需求进行了短期预测,为我国公路客运的发展规划提供参考。

为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于bp神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明：bp神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。

铁路客运量是衡量我国交通需求的重要指标,科学预测铁路客运量是制定交通发展规划的重要依据。鉴于组合模型能克服单一模型的不足并兼具单一模型的优点,基于灰色模型和线性回归模型,根据灰色关联度赋予单一模型相应权重,建立铁路客运量组合预测模型,并选取2006—2015年铁路客运量数据,对我国铁路客运量进行预测。结果表明:组合模型克服了单一模型的预测局限性,能进一步提高预测精度,适用于铁路客运量预测研究。

对客运量发展趋势进行预测是正确制定铁路客运营销战略的前提和基础,文章运用灰色运用对某铁路局的客运量及周转量进行了预测,认为某铁路局客运量的发展趋势是逐渐降低,但降低的趋势是逐渐减少;客运周转量的发展趋势是不断增加。

采用定性分析方法确定物流货运量的影响因素,基于线性回归方法建立数学模型。采集延安市货运量相关数据,根据2001-2008年数据确定模糊回归系数a,对2009-2012年公路物流货运量进行计算,并采用实际数据与其他三种预测方法进行验证。结果表明:线性回归数学模型对物流货运量进行预测精确度高,误差较小。

为了提高电力需求预测的精度,分析现有人工神经网络和灰色预测方法各自的优缺点,将二者相结合提出一种并联灰色神经网络预测方法。新方法首先采用灰色模型、神经网络分别进行预测,而后给出了一种基于粗糙集理论确定权值的方法对加权系数加以确定,最后对预测结果加以组合作为实际预测值。用上述并联灰色神经网络模型对上海市的电力需求进行预测,模型精度和预测结果比较理想,优于单一预测模型。计算结果表明,该模型用于电力需求预测是有效可行的,适用于中长期需求预测。

对铁路旅客发送量准确的预测与分析是铁路部门进行相关决策和判断的依据，为此本文运用灰色模型预测方法，对哈尔滨站2012—2016年的旅客友送量进行预测．预测结果可为铁路组织在决策判断时提供一些借鉴作用。

文章根据铁路现有的客流量,将铁路系统视为灰色系统,运用灰色预测模型对客流作出预测,并运用残差修正和新陈代谢进行优化,解决了预测精度和可信度的问题。

铁路客流量的预测对于铁路交通业具有重要的实际意义,本文探讨应用灰色预测方法来预测铁路客流量的方法,并且通过对我国2007-2009年铁路客运量预测的实证分析,证明了此方法的可行性,并且检验了此方法的精确度,为准确预测铁路客流量提供了一种简便可行的分析预测方法。

对运量发展趋势进行预测是正确制定铁路集装箱营销战略的前提和基础。运用灰色预测法对铁路集装箱运量进行了预测,得出铁路集装箱的发送箱数和吨数都将呈上升趋势。

针对传统灰色模型在长期预测中受外界干扰影响预测精度的问题,通过对灰参数的二次拟合以及应用动态新陈代谢理论改进灰色模型,结合实际边坡工程予以验证.结果表明:改进后的灰色模型预测精度较高,具有工程应用价值.

基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型,对西安地铁客流量的数据进行分析预测；然后对原始数据序列滑动平均处理,再用无偏gm(1,1)模型拟合系统的发展变化趋势,将修正后得到的模型与马尔科夫模型进行结合,提出改进的灰色马尔科夫模型预测方法。利用改进后的新模型对地铁客流的预测结果与传统的灰色马尔科夫模型进行对比。结果表明,改进后的灰色马尔科夫模型预测精度有显著提高。

准确的客流量预测在国家交通规划与管理中具有重要意义,预测方法的选择直接影响到预测的精度。客运量的预测具有小样本和非线性的特点。结合灰色理论和rbf神经网络的特点形成灰色-rbf神经网络模型,并采用客流运量分担率的方式对拟建铁路客流量进行预测。通过灰色理论对原始数据进行生成处理,将无规律的原始数据变为较有规律的生成数列,再利用rbf神经网络的超强适应能力和学习能力,大大加快学习速度并避免出现局部极小问题对生成数列进行预测,再将模型运用到客运量的预测中。最后结合新建兰州至中川机场铁路项目及调查数据进行客流量的预测研究,得出灰色-rbf神经网络模型对客流量具有很好的预测性。

准确的客流量预测在国家交通规划与管理中具有重要意义,预测方法的选择直接影响到预测的精度。客运量的预测具有小样本和非线性的特点。结合灰色理论和rbf神经网络的特点形成灰色-rbf神经网络模型,并采用客流运量分担率的方式对拟建铁路客流量进行预测。通过灰色理论对原始数据进行生成处理,将无规律的原始数据变为较有规律的生成数列,再利用rbf神经网络的超强适应能力和学习能力,大大加快学习速度并避免出现局部极小问题对生成数列进行预测,再将模型运用到客运量的预测中。最后结合新建兰州至中川机场铁路项目及调查数据进行客流量的预测研究,得出灰色-rbf神经网络模型对客流量具有很好的预测性。

随着数据挖掘技术在各领域运用越来越多,其算法也日渐趋于成熟。数据挖掘技术作为建立预测模型的重要技术,已成为专家研究的热点。随着数据挖掘技术在实际模型运用中暴露的问题越来越多,单一的技术和方法已无法满足各类功能的需求。为了分析公路货运中复杂的数据,构建一种功能强大的预测模型就显得尤为重要。本文尝试说明在数据预测模型中运用rbf神经网络技术和主成分分析方法,挖掘和分析公路货运中的数据,提高预测结果的准确性和高效性,为制定新的决策提供有效的依据。

1 从用电量铁路货运量的波动看结构调整的积极变化 王保安 《人民日报》（2015年10月08日10版） 近年来，经济增长与用电量、铁路货运量指标变动之间的关系引起了国内外 广泛的关注。在经济发展新常态下，经济增长与用电量、铁路货运量指标之间的 弹性系数正在发生新的变化，一定程度上的背离恰恰反映了结构调整和转型升级 取得积极进展，而从趋势上看，指标的导向性与逻辑关系并未变化，其反映的规 律性、有效性也没有改变。 从实践和相关性看，用电量、铁路货运量变化与经济增长总体上是一致的 用电量与经济增长变化基本同步。1998—2007年，我国国内生产总值同比 增速由7.8%提高至14.2%，而同期电力消费增速总体上呈现上升的态势；2008 年，受国际金融危机冲击，我国经济增速大幅回落，用电量增长也明显回落；在 大规模刺激政策的作用下，2009—2010年我国

铁路运输量预测对于地区物流规划有着重要的作用.文章选取铜仁市2010-2015年的铁路运输量,分别利用曲线估计和灰色模型对铜仁市未来五年的铁路运输量进行预测.结果表明,灰色模型预测精度较高,铜仁市未来五年铁路运输量会突飞猛进,到2020年铁路运输量将达到431.48万吨.