基于灰色线性回归组合模型铁路客运量预测

铁路客运量的准确预测是铁路旅客运输组织工作的重要基础和主要依据之一,准确预测铁路客运量是铁路运输企业面向市场、把握未来的重要保障.针对铁路客运系统是一个信息不完全的灰色系统,运用灰色预测理论构建灰色模型GM(1,1)与线性回归的组合模型,用于对未来五年内河南省铁路客运量进行预测.研究表明,模型改善了原线性回归模型中没有指数增长趋势和基本灰色预测模型中没有线性因素的不足,和单一模型相比,预测精度更高,预测结果更为可靠,具有较高的实际应用价值,也为铁路客运量预测研究提供了新的途径.     

基于灰色关联和BP神经网络的汽车保有量预测

为提高汽车保有量的预测准确性,运用灰色关联分析法,计算分析与汽车保有量相关的主要社会指标,确定汽车保有量的影响因子分别为国民总收入、人均GDP、进出口总额、城镇居民人均可支配收入、钢材产量、公路客运量和社会消费品零售总额。将所确定的因子作为汽车保有量的预测指标,建立基于BP神经网络的汽车保有量预测模型,并对模型进行应用测试。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2.2%,平均相对误差为1.5%。,可为我国汽车保有量的预测研究提供方法支撑。     

基于灰色线性回归模型的预测控制

针对大滞后线性时不变控制系统,将Smith预估控制方法和灰色线性回归预测方法相结合,提出一种改进型预测控制方法.该方法设计一种灰色线性回归预测器,将其置于反馈回路,预测下一时刻的输出值,达到超前控制的效果.同时根据预测精度来选择控制方案,达到精度要求时,在Smith预估控制中加入灰色线性回归预测控制器,否则就只采用Smith预估控制.仿真结果表明该方法有效地克服了大滞后对控制系统性能的影响,提高了控制精度.     

灰色预测软件

本文通过阐述灰色建模的基本原理，编写了灰色预测软件，同时运用该软件对其进行实例分析。     

基于灰色Verhulst模型的因特网访问人数预测分析

本文预测因特网访问人数,为开展网络建设、应用及管理提供决策依据;分析了实测数据反映的特征,给出了基于灰色Verhulst模型的建模理据和预测分析的详细过程;对模型预测结果进行了分析验证,模型的拟合精度检验指标（C=0．09,P=1．00）达优。检验结果表明,所建立的Verhulst模型对同等实测数据的预测效果优于GMC（1,n）模型 。     

基于灰色多元线性回归融合模型的故障率预测

为预测在设备使用年份期间的制氧系统故障率,提出灰色多元线性回归融合模型的新方法。该方法首先求出制氧系统各设备故障率的GM(1,1)模型;然后计算出制氧系统故障率、制氧系统各设备故障率与设备使用年份相关关系模型,并且将制氧系统各设备故障率的GM(1,1)模型代入该关系模型中;最后利用最小二乘法求出待定参数。通过对制氧系统故障率的预测分析表明,灰色多元线性回归融合模型在故障率预测精度上优于单一的灰色模型和线性回归模型,且不要求提供的历史数据具有典型的分布规律。该模型的预测结果可为制氧系统的维修工作提供决策依据。     

灰色预测软件

本文通过阐述灰色建模的基本原理,编写了灰色预测软件,同时运用该软件对其进行实例分析.     

基于组合函数法的灰色模型预测研究及应用

结合运用组合函数法,尤其是对数函数和幂函数在进行原始数据列转换后能提高数据列的光滑度和预测精度的优点,提出了基于组合函数法的灰色预测模型,利用此模型实例预测某油田的年产量,并利用相对误差法将预测值与实际值进行精度检验,取得了较好的结果。     

基于灰色模型的高炉炉温预测

以高炉炉温预测应用性为基本出发点,以灰色理论为基础,当实际系统的历史数据序列呈现增长过快或下降过快时,就不能盲目使用GM（1,1）模型,否则,预测效果会不令人满意。只有当满足建模的一定条件时,误差才能够被接受。对数据进行开方处理后能使平均相对误差在10%左右,效果不错。     

基于粒子群算法的汽车保有量预测方法

汽车保有量关系到城市建设与规划。针对汽车保有量预测问题,提出一种基于粒子群算法的汽车保有量预测方法,建立了一种多因素汽车保有量预测模型。选取城镇人口、居民消费水平、人均地区生产总值、道路网密度、公共交通车辆运营数、公共交通客运总量、油价7个指标作为汽车保有量的主要影响因素。利用主成分分析方法确定影响因素主成分,以主成分作为自变量,汽车保有量作为因变量,建立回归分析模型。运用粒子群算法,结合主成分回归预测值对汽车保有量进行预测。以2005～2014年上海市汽车保有量数据为依据,预测出上海市2020年汽车保有量约为400万辆,并对预测结果进行了分析。     

基于灰色系统的动态平差坝体变形预报

根据运动是趋势性运动与随机性运动的观点,利用灰色系统理论,建立变形监测网随时间变化的GH(1,1)模型和残差改正模型,并把两者结合形成组合模型,利用组合模型对坝体多期变形观测数据进行平差和预报。实践表明,此方法解决了平差与预报统一问题,不仅理论上是严密的,平差和预报精度高,而且便于编程,可以实现计算自动化。     

基于多元线性回归预测模型的sensor态势研究

由于系统漏洞层出不穷,网络管理员也不容易获得用户主机的安全态势,如何在攻击者利用漏洞之前,对网络中用户主机的漏洞、脆弱性进行自动发现成为保障计算机网络安全、平稳运行的关键问题。文中针对多元线性回归预测模型算法,首先利用最小二乘法实现对多元线性回归方程的求解,然后利用＂t-检验＂检验回归系数的显著性,实现对sensor安全的精确预测,使网络管理员能直观了解到sensor的全状况,以寻求最低的事故率、最少的损失和最优的安全投资效益。     

基于经济预测模型的SEMIS的设计

通过对某钢铁企业进行深入的业务调研和详细分析,从系统的组成、功能的要求、技术的实现等方面综合考虑,以经济预测模型和软件工程为基础,探讨了SEMIS(Steel Enterpnse Management Information System)的设计方法。现场的运行表明,该设计方法可使企业的经济效益提高4．16％,具有一定的推广价值。     

基于灰色神经网络的宏观经济因素修正股指预测模型

股票指数具非线性和不确定性变化规律,传统单一模型只能反映股票指数的部分信息,预测精度不高.各个模型的思路又常常从不同的角度出发,其预测所基于的原理是各有优劣的.为了提高股价预测精度,充分利用不同单一模型的优势,本文提出一种在灰色神经网络的基础上加以宏观经济因素解释修正的股价预测方法.     

混合预测模型在网络性能预测中的应用

分析比较不同预测模型的特点及应用条件,基于一次指数平滑模型、二次指数平滑模型和灰色系统模型GM（1,1）,提出并设计能适应网络性能数据序列的混合预测模型。实际应用证明,该模型预测效果良好,能够较好地实现一段时间内的网络性能预测任务。     

一类基于线性预测模型的火电信息系统分析

探讨了一类TPG(Themal Power Generation)信息系统的分析问题，并以某大型火电发电厂为例，采用线性预测模型，得到了TPG系统经济预测方法，使线性系统与TPG系统有机地结合起来，电厂的经济效益提高了36．12％。从而为电厂决策者提供了有力的管理手段，具有一定的推广应用价值。     

基于灰色理论与BP算法的宏观经济预测模型研究

利用灰色预测需要样本数据量少、建模过程简单的特点对宏观经济主要指标进行前期预测，结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点，在考虑经济因素的前提下对输入数据进行预处理，采用改进的BP算法最终得出宏观经济预测结果，文中的算例表明了该方法是可行且有效的。     

基于改进PSO优化SVR的交通事故预测模型

为了有效预测交通事故,提出一种基于改进粒子群算法优化支持向量回归机的预测模型。改进粒子群算法利用网格搜索对全局最优粒子的邻域进行精细搜索,结合粒子群算法较快的收敛速度和网格搜索较强局部搜索能力的优点,提高了支持向量回归机相关参数的优化精度,进而改善了交通事故预测模型的预测性能。仿真结果表明,基于改进粒子群算法优化支持向量回归机的交通事故预测模型达到了较快的学习速度和较高的预测精度,具有良好的工程应用性。      

基于FARIMA模型的网络流量预测

论文基于长相关特性的时间序列分析方法,采用FARIMA模型对网络自相似业务进行研究,利用“后向预报”技术对序列进行分形反滤波,在模型辩识、参数估计中利用粗、精估计结合的方法建立模型。选择伯克力实验室的经典实测数据,利用FARIMA模型进行H值估计、分数差分定阶及消除长相关性的操作,实验证明了模型的有效性。     

基于BP神经网络的灾情预测模型

洪灾灾情预测是保险公司财产保险防灾减损工作的重要内容，它有效地预测出受灾的地区和强度，对于财产保险的费率制定、有效预防、及时施救以及防灾预案的编制有重要的指导意义。该文采用了BP神经网络进行灾情预测，在学习过程中结合了聚类，引入了惯性因子，加快了学习时的收敛速度，试验证明，取得了良好的学习和测试效果。