共查询到10条相似文献，搜索用时 218 毫秒
1.
张虎 《苏州市职业大学学报》2021,(1)
针对早高峰短时交通流量预测数据少、波动大的特点,提出用灰色模型进行预测。将灰色GM(2,1)改进为灰色GM(2,1,λ,ρ)预测模型,以提高预测精度。针对粒子群算法(PSO)的早熟现象,将Logistic混沌搜索嵌入到PSO算法,应用混沌粒子群算法(CPSO)寻找灰色GM(2,1,λ,ρ)预测模型最优的参数λ和ρ。结合两者提出了基于CPSO–GM(2,1,λ,ρ)的早高峰短时交通流预测模型。利用VISSIM对研究路网进行微观交通仿真,通过VISSIM–Excel、VBA–Matlab平台实现了短时交通流量预测和路网微观交通仿真数据的交互,对集成交通控制系统的架构进行了方案设计。仿真结果表明,结合流量预测的路网优于固定信号配时下的路网仿真。 相似文献
2.
3.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
4.
投资对拉动经济发展具有重要的作用,投资带动经济增长,可以扩大就业,促进消费,加快产业升级,提高产品质量.科学预测全社会固定资产投资,对制定宏观经济政策、进行经济和产业结构改革、分析和判断经济运行状况、保持国民经济平稳运行等具有重要意义.文中运用改进的Logistic模型对河北省社会固定资产额进行预测,取得了十分理想的效果,平均预测误差仅为2.8732%,比GM(1,1)模型平均预测误差8.2183%减小了186.068%.通过模型预测得到2017年河北省社会固定资产总投资额为34669.999亿元. 相似文献
5.
赵聂 《成都体育学院学报》2008,34(2):68-71
利用文献资料和数理统计方法,收集了1985年至2004年我国获得世界冠军的数据,进行了时间序列分析,建立了我国获得世界冠军的时间序列模型(即ARIMA模型).结果显示:模型ARIMA(0,1,8)(0,1,1)能较为准确地预测我国年度获得世界冠军的数据,模型的预测值与实际观测值非常接近,说明时间序列模型在我国年度获得世界冠军状况预测中具有较好的应用价值. 相似文献
6.
旨在实现对赛道上风速风向的超短期预测,为自由式滑雪空中技巧提供实用有效的风速风向预报信息,为运动员稳定性控制与技术训练提供辅助支持。针对赛道风具有非平稳、波动剧烈的特点,采用离散小波变换提取风速风向序列的特征分量,对低频近似分量建立非线性自回归(NAR)神经网络模型,高频细节分量建立差分自回归移动平均(ARIMA)模型,再将各分量结果组合相加得到最终预测结果。误差分析表明组合模型能有效改善单一模型的预测滞后性,预测精度高同时具备预测风速风向突变的能力。对预测结果进一步分析,将其转换为表征赛道风稳定性的指标,来为运动员提供更直观的预报信息。最后对模型计算用时分析表明该方法能够满足实际应用的需求。 相似文献
7.
文章将小波变换与人工神经网络结合,建立一种网络性能分析模型.首先对流量时间序列进行小波分解,得到多个尺度的小波系数序列,计算能量差,作为BP神经网络模型的输入,得出网络性能评价.用实际网络流量对该模型进行验证,结果表明,该模型具有较高的可行性. 相似文献
8.
《上海海事大学学报》2021,(3)
为准确预测集卡的港内周转时间,进而提升整个物流系统的作业效率,通过对集装箱码头闸口数据进行深入分析,得到3种不同任务类型的集卡港内周转时间序列,并在此基础上提出一种基于小波分解和自回归移动平均(autoregressive moving average, ARMA)模型的集卡港内周转时间预测方法。该方法首先利用小波分解技术对集卡港内周转时间序列的多维变化特征进行逐层分离,再利用ARMA模型对分离后的多个时间序列分别进行拟合,然后对拟合结果进行合并,以此近似模拟原序列的时变规律,继而实现集卡港内周转时间的短期预测。为验证该方法的有效性,将数据样本划分为训练集(75%)和测试集(25%),训练集用于拟合多维ARMA模型,测试集用于检验ARMA模型的预测结果误差。研究结果表明,对于3种任务类型,该模型均可以精确预测集卡的港内周转时间,为物流企业调整集卡运输计划提供相应的技术支持。 相似文献
9.
粮食安全是关系国计民生的大事.研究我国粮食产量和粮食播种面积的运行规律,对制定粮食生产发展战略,确保粮食安全具有重要意义.VAR模型常用于多个相关联的时间序预测,它以历史数据为基础,通过挖掘系统内部所隐含信息实现对时间序列未来的发展趋势预测,并能揭示关联时间序列之间的联系.运用VAR模型对我国粮食产量和播种面积进行预测,取得较为理想的效果,平均预测误差分别为2.0850％和0.8928％. 相似文献
10.
为更准确地预测港口集装箱吞吐量,以灰色马尔科夫模型为基础,建立一种优化的灰色马尔科夫动态模型。根据上海港集装箱吞吐量历史数据建立GM(1,1)预测模型。引入无偏灰色预测理论对GM(1,1)预测模型进行优化。构造等维信息模型,及时更新预测使用的数据以形成动态预测。利用马尔科夫理论对优化后的GM(1,1)预测残差值进行修正,得出上海港集装箱吞吐量的预测值。研究结果表明,与传统灰色马尔科夫模型相比,优化的灰色马尔科夫动态模型预测精度提高了37.03%,预测值拟合曲线更加贴近实际值曲线,预测结果有更高的可信度,为上海港集装箱吞吐量预测提供了一种新的方法。 相似文献