為提高灰色verhulst模型的預測精度,采用粒子群算法對灰色verhulst模型的參數值進行優化,利用滑動窗對原始數據序列進行動態更新,使用fourier序列修正模型的誤差,提出fpso灰色verhulst模型預測鐵路貨運量的方法.以平均絕對誤差、均方根誤差、平均相對誤差為評價指標,采用傳統灰色verhulst模型、gm(1,1)、徑向基神經網絡、fpso灰色verhulst模型分別對具有增長趨勢、擺動發展以及交叉發展趨勢的鐵路貨運量進行預測.結果表明,fpso灰色verhulst模型能更好地反映鐵路運輸過程中的突變因素,是一種減少誤差、充分利用新生數據、提高預測精度的有效方法.

通過markov狀態轉移矩陣對改進后的灰色預測結果進行修正,構建改進灰色-markov預測模型,并對我國鐵路未來貨運量需求預測進行了實證分析。

科學的貨運量預測對鐵路發展戰略的制定具有十分重要的意義。采用灰色模型預測方法gm（1,1）和馬爾可夫鏈預測相結合,提出了灰色-馬爾可夫鏈改進預測方法,利用偏差對灰色模型值進行狀態劃分,并采用馬爾可夫狀態轉移矩陣對狀態的轉移變化進行分析,并針對我國鐵路貨運量的未來趨勢進行了經濟預測的分析,確定待測年份偏差最可能處于的狀態。

根據灰色系統理論、verhulst模型和建筑工后沉降規律,建立建筑工后沉降灰色verhulst預測模型,給出模型精度評定方法和殘差修正預測模型,并提出非等時距沉降序列的lagrange多項式等時距插值轉換方法。通過工程實例計算分析,取得較好的效果。

針對建筑垃圾產量統計偏差大、數據不全面的現象,運用灰色理論建立了建筑垃圾產量的灰色verhulst預測模型,對沈陽市未來5年建筑垃圾產量進行了預測。與gm(1,1)預測模型相比較,發現灰色verhulst模型可以滿足\"優\"的精確度要求,并且能夠更加合理地反映建筑垃圾產量變化趨勢,因此該模型可以用于預測建筑垃圾的產量。

科學的預測對于經濟現象的研究和經濟決策的制定都具有十分重要的意義,因此,關于經濟預測理論和方法的研究一直是一個熱點。本文將灰色模型預測方法gm(1,1)和馬爾可夫鏈預測相結合,提出灰色馬爾可夫鏈改進預測方法,并且針對我國鐵路貨運量的發展趨勢進行了預測,得出比灰色預測更加準確的結論。從而證明,灰色馬爾可夫鏈改進方法的預測結果更加準確可靠,更有利于決策者的經濟決策行為。

基于傳統的灰色verhulst模型在基坑沉降預測中精度較低的問題,提出優化的灰色離散verhulst模型。在基坑沉降監測中,由于有新的監測沉降值不斷補充到原始數據序列中,各種因素會帶來新的擾動,原來的模型精度降低,為避免由此產生的誤差,用新陳代謝方法建立優化灰色離散verhulst一維、二維新陳代謝模型。將傳統verhulst模型、優化的灰色離散verhulst模型及優化灰色離散verhulst一維、二維新陳代謝模型進行比較。研究結果表明:該模型通過采用離散化思維對原數據序列進行倒數變換,從連續形式向離散形式變化,減小了傳統verhulst模型建模過程中從微分方程到差分方程帶來的誤差;采用新陳代謝方法的優化灰色離散verhulst模型精度更高,可選用該模型對基坑進行沉降預測。

為提高鐵路貨運量的預測準確性,運用灰色關聯分析法,計算分析了與鐵路貨運量相關的主要社會指標,確定鐵路貨運量的影響因子分別為鐵路運營里程、鐵路電氣化里程、鐵路復線比重、公路運營里程、固定資產投資總額和鋼材產量。將所確定的因子作為鐵路貨運量的預測指標,建立基于bp神經網絡的鐵路貨運量預測模型,并對模型進行了應用測試。結果表明：bp神經網絡模型具有較高的精度,最大相對誤差為3.7%,平均相對誤差為2.3%。該方法具有較快的收斂速度和較高的預測精度,可為我國鐵路貨運量的預測研究提供方法支撐。

該文針對高層建筑物沉降所表現的發生、發展、成熟和趨于飽和的過程,以灰色verhulst模型進行擬合、預測。文中就其建模理論及計算流程進行分析研究,并以工程實例進行驗證。結果表明,該模型計算簡單,模型參數較少,擬合、預測精度較高,能夠有效的反映高層建筑物的沉降變化規律。

科學的貨運量預測對鐵路發展戰略的制定具有十分重要的意義.針對灰色模型的預測結果精確度受原始數據變化幅度的影響較大,且要求累加生成的數據列具有指數性質的缺點,采用帶波動的多項式來替代gm(1,1)模型中的指數形曲線,并通過馬爾可夫鏈對其預測結果進行修正,從而建立改進的灰色-馬爾可夫鏈預測模型,同時利用該改進模型對我國鐵路貨運量進行預測,并與傳統的gm(1,1)模型、改進的gm(1,1)模型和灰色-馬爾可夫模型3種預測方法進行了比較,結果表明:提出的預測方法具有較高的精度,具有一定的可行性和有效性,預測結果可指導鐵路建設與管理.

結合公路軟土路基沉降監測數據,本文研究了灰色verhulst模型和雙曲線模型在公路路基沉降預測中的應用,建立了任意時間間隔的圖1雙曲線法推算最終沉降量t-tb0sbsbbssts∞t→∞1β/tbtt灰色verhulst模型。計算得出了灰色verhulst模型和雙曲線模型對公路路基沉降量預測結果,并與監測結果進行比較,結果表明灰色模型的預測沉降量與實際沉降量更接近,精度更高,更能滿足工程需要。

飽和負荷是指一個地區經濟發展進入負荷增長飽和階段的時間及負荷規模,飽和負荷預測對電力規劃設計具有指導性意義。飽和負荷受很多未知隨機因素的影響,灰色verhulst模型能夠對部分信息未知、具有飽和特性的系統進行高精度預測。通過灰色verhulst模型對浙江地區飽和負荷預測,浙江地區全社會用電量達到飽和的時間為2020年,飽和規模為4281.28億千瓦時,年最大負荷進入飽和階段的年份為2020年,飽和規模為7528.78萬千瓦。

鐵路客運量是衡量我國交通需求的重要指標,科學預測鐵路客運量是制定交通發展規劃的重要依據。鑒于組合模型能克服單一模型的不足并兼具單一模型的優點,基于灰色模型和線性回歸模型,根據灰色關聯度賦予單一模型相應權重,建立鐵路客運量組合預測模型,并選取2006—2015年鐵路客運量數據,對我國鐵路客運量進行預測。結果表明:組合模型克服了單一模型的預測局限性,能進一步提高預測精度,適用于鐵路客運量預測研究。

為進一步提高灰色verhulst模型的預測精度,將ls-svm算法與灰色verhulst模型相結合,對灰色verhulst模型的參數估計方法和預測方法進行了改進。該方法采用ls-svm算法,構造以背景值序列和原始序列為訓練樣本的ls-svm,將verhulst模型參數的估計問題轉化為灰色ls-svm的參數估計問題,依據ls-svm算法求得灰色ls-svm的參數,進而得到verhulst模型的參數估計,方法上遵循了結構風險最小化原則,適合verhulst小樣本建模的特點。將改進的模型應用于軟土地基建筑物的沉降預測,結果表明本文的方法是可行的且有效的,比傳統方法預測精度高。

在分析我國水上交通事故歷史數據的基礎上,引入灰色verhulst預測理論。由此建立了水上交通事故verhulst模型,并分別利用該模型和灰色gm(1,1)模型對我國近幾年水上交通事故進行了預測,發現該模型精度高,擬合度更優。該模型可用于對我國水上交通事故的預測。

高鐵路基需嚴格控制工后不均勻沉降。鑒于高鐵路基沉降預測值精度受觀測噪聲和預測擬合函數的影響,本文提出了基于小波函數去噪,對去噪數據進行灰色verhulst模型預測的方法,并闡述了高鐵路基沉降預測評價方法。通過工程實例對比分析了去噪灰色verhulst模型、gm(1,1)模型、雙曲線模型在沉降數據處理中的擬合精度和預測精度。結果表明:gm(1,1)模型擬合精度高,預測精度低,不適用于長期預測；雙曲線法預測精度最低,預測曲線不包含路基飽和發展過程；小波去噪灰色verhulst模型符合高鐵路基沉降規律,預測精度高,可以廣泛用于路基沉降預測。

高鐵路基需嚴格控制工后不均勻沉降.鑒于高鐵路基沉降預測值精度受觀測噪聲和預測擬合函數的影響,本文提出了基于小波函數去噪,對去噪數據進行灰色verhulst模型預測的方法,并闡述了高鐵路基沉降預測評價方法.通過工程實例對比分析了去噪灰色verhulst模型、gm(1,1)模型、雙曲線模型在沉降數據處理中的擬合精度和預測精度.結果表明:gm(1,1)模型擬合精度高,預測精度低,不適用于長期預測;雙曲線法預測精度最低,預測曲線不包含路基飽和發展過程;小波去噪灰色verhulst模型符合高鐵路基沉降規律,預測精度高,可以廣泛用于路基沉降預測.

采用定性分析方法確定物流貨運量的影響因素,基于線性回歸方法建立數學模型。采集延安市貨運量相關數據,根據2001-2008年數據確定模糊回歸系數a,對2009-2012年公路物流貨運量進行計算,并采用實際數據與其他三種預測方法進行驗證。結果表明:線性回歸數學模型對物流貨運量進行預測精確度高,誤差較小。

對客運量發展趨勢進行預測是正確制定鐵路客運營銷戰略的前提和基礎,文章運用灰色運用對某鐵路局的客運量及周轉量進行了預測,認為某鐵路局客運量的發展趨勢是逐漸降低,但降低的趨勢是逐漸減少;客運周轉量的發展趨勢是不斷增加。

采用灰色預測模型分析了農村客運需求的主要影響因素,利用這些因素建立灰色預測模型,對我國農村客運需求進行了短期預測,為我國公路客運的發展規劃提供參考。

公路軟土路基在施工完成后會產生較大的工后沉降,對后期的車輛通行有一定的影響,因此對軟土路基的沉降預測進行了研究。根據實際工程中所測得的沉降數據,利用python編程語言的科學計算庫,建立了非等時距灰色verhulst模型。采用sa算法(模擬退火算法)對模型進行優化,求得模型參數的最優解和最終沉降量,給出了路基隨時間變化的沉降預測曲線,并與傳統非等間隔灰色verhulst模型曲線進行了對比和誤差分析。結果表明:經sa算法優化后的模型能更好地反映軟土路基的沉降規律,可較好地應用于軟土路基的沉降預測研究中。

公路軟土路基在施工完成后會產生較大的工后沉降,對后期的車輛通行有一定的影響,因此對軟土路基的沉降預測進行了研究。根據實際工程中所測得的沉降數據,利用python編程語言的科學計算庫,建立了非等時距灰色verhulst模型。采用sa算法（模擬退火算法）對模型進行優化,求得模型參數的最優解和最終沉降量,給出了路基隨時間變化的沉降預測曲線,并與傳統非等間隔灰色verhulst模型曲線進行了對比和誤差分析。結果表明：經sa算法優化后的模型能更好地反映軟土路基的沉降規律,可較好地應用于軟土路基的沉降預測研究中。