基于改進(jìn)灰色Markov模型鐵路貨運(yùn)量需求預(yù)測(cè)

為提高灰色verhulst模型的預(yù)測(cè)精度,采用粒子群算法對(duì)灰色verhulst模型的參數(shù)值進(jìn)行優(yōu)化,利用滑動(dòng)窗對(duì)原始數(shù)據(jù)序列進(jìn)行動(dòng)態(tài)更新,使用fourier序列修正模型的誤差,提出fpso灰色verhulst模型預(yù)測(cè)鐵路貨運(yùn)量的方法。以平均絕對(duì)誤差、均方根誤差、平均相對(duì)誤差為評(píng)價(jià)指標(biāo),采用傳統(tǒng)灰色verhulst模型、gm(1,1)、徑向基神經(jīng)網(wǎng)絡(luò)、fpso灰色verhulst模型分別對(duì)具有增長(zhǎng)趨勢(shì)、擺動(dòng)發(fā)展以及交叉發(fā)展趨勢(shì)的鐵路貨運(yùn)量進(jìn)行預(yù)測(cè)。結(jié)果表明,fpso灰色verhulst模型能更好地反映鐵路運(yùn)輸過(guò)程中的突變因素,是一種減少誤差、充分利用新生數(shù)據(jù)、提高預(yù)測(cè)精度的有效方法。

為提高灰色verhulst模型的預(yù)測(cè)精度,采用粒子群算法對(duì)灰色verhulst模型的參數(shù)值進(jìn)行優(yōu)化,利用滑動(dòng)窗對(duì)原始數(shù)據(jù)序列進(jìn)行動(dòng)態(tài)更新,使用fourier序列修正模型的誤差,提出fpso灰色verhulst模型預(yù)測(cè)鐵路貨運(yùn)量的方法.以平均絕對(duì)誤差、均方根誤差、平均相對(duì)誤差為評(píng)價(jià)指標(biāo),采用傳統(tǒng)灰色verhulst模型、gm(1,1)、徑向基神經(jīng)網(wǎng)絡(luò)、fpso灰色verhulst模型分別對(duì)具有增長(zhǎng)趨勢(shì)、擺動(dòng)發(fā)展以及交叉發(fā)展趨勢(shì)的鐵路貨運(yùn)量進(jìn)行預(yù)測(cè).結(jié)果表明,fpso灰色verhulst模型能更好地反映鐵路運(yùn)輸過(guò)程中的突變因素,是一種減少誤差、充分利用新生數(shù)據(jù)、提高預(yù)測(cè)精度的有效方法.

科學(xué)的貨運(yùn)量預(yù)測(cè)對(duì)鐵路發(fā)展戰(zhàn)略的制定具有十分重要的意義。采用灰色模型預(yù)測(cè)方法gm（1,1）和馬爾可夫鏈預(yù)測(cè)相結(jié)合,提出了灰色-馬爾可夫鏈改進(jìn)預(yù)測(cè)方法,利用偏差對(duì)灰色模型值進(jìn)行狀態(tài)劃分,并采用馬爾可夫狀態(tài)轉(zhuǎn)移矩陣對(duì)狀態(tài)的轉(zhuǎn)移變化進(jìn)行分析,并針對(duì)我國(guó)鐵路貨運(yùn)量的未來(lái)趨勢(shì)進(jìn)行了經(jīng)濟(jì)預(yù)測(cè)的分析,確定待測(cè)年份偏差最可能處于的狀態(tài)。

科學(xué)的貨運(yùn)量預(yù)測(cè)對(duì)鐵路發(fā)展戰(zhàn)略的制定具有十分重要的意義.針對(duì)灰色模型的預(yù)測(cè)結(jié)果精確度受原始數(shù)據(jù)變化幅度的影響較大,且要求累加生成的數(shù)據(jù)列具有指數(shù)性質(zhì)的缺點(diǎn),采用帶波動(dòng)的多項(xiàng)式來(lái)替代gm(1,1)模型中的指數(shù)形曲線,并通過(guò)馬爾可夫鏈對(duì)其預(yù)測(cè)結(jié)果進(jìn)行修正,從而建立改進(jìn)的灰色-馬爾可夫鏈預(yù)測(cè)模型,同時(shí)利用該改進(jìn)模型對(duì)我國(guó)鐵路貨運(yùn)量進(jìn)行預(yù)測(cè),并與傳統(tǒng)的gm(1,1)模型、改進(jìn)的gm(1,1)模型和灰色-馬爾可夫模型3種預(yù)測(cè)方法進(jìn)行了比較,結(jié)果表明:提出的預(yù)測(cè)方法具有較高的精度,具有一定的可行性和有效性,預(yù)測(cè)結(jié)果可指導(dǎo)鐵路建設(shè)與管理.

科學(xué)的預(yù)測(cè)對(duì)于經(jīng)濟(jì)現(xiàn)象的研究和經(jīng)濟(jì)決策的制定都具有十分重要的意義,因此,關(guān)于經(jīng)濟(jì)預(yù)測(cè)理論和方法的研究一直是一個(gè)熱點(diǎn)。本文將灰色模型預(yù)測(cè)方法gm(1,1)和馬爾可夫鏈預(yù)測(cè)相結(jié)合,提出灰色馬爾可夫鏈改進(jìn)預(yù)測(cè)方法,并且針對(duì)我國(guó)鐵路貨運(yùn)量的發(fā)展趨勢(shì)進(jìn)行了預(yù)測(cè),得出比灰色預(yù)測(cè)更加準(zhǔn)確的結(jié)論。從而證明,灰色馬爾可夫鏈改進(jìn)方法的預(yù)測(cè)結(jié)果更加準(zhǔn)確可靠,更有利于決策者的經(jīng)濟(jì)決策行為。

采用灰色預(yù)測(cè)模型分析了農(nóng)村客運(yùn)需求的主要影響因素,利用這些因素建立灰色預(yù)測(cè)模型,對(duì)我國(guó)農(nóng)村客運(yùn)需求進(jìn)行了短期預(yù)測(cè),為我國(guó)公路客運(yùn)的發(fā)展規(guī)劃提供參考。

為提高鐵路貨運(yùn)量的預(yù)測(cè)準(zhǔn)確性,運(yùn)用灰色關(guān)聯(lián)分析法,計(jì)算分析了與鐵路貨運(yùn)量相關(guān)的主要社會(huì)指標(biāo),確定鐵路貨運(yùn)量的影響因子分別為鐵路運(yùn)營(yíng)里程、鐵路電氣化里程、鐵路復(fù)線比重、公路運(yùn)營(yíng)里程、固定資產(chǎn)投資總額和鋼材產(chǎn)量。將所確定的因子作為鐵路貨運(yùn)量的預(yù)測(cè)指標(biāo),建立基于bp神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測(cè)模型,并對(duì)模型進(jìn)行了應(yīng)用測(cè)試。結(jié)果表明：bp神經(jīng)網(wǎng)絡(luò)模型具有較高的精度,最大相對(duì)誤差為3.7%,平均相對(duì)誤差為2.3%。該方法具有較快的收斂速度和較高的預(yù)測(cè)精度,可為我國(guó)鐵路貨運(yùn)量的預(yù)測(cè)研究提供方法支撐。

鐵路客運(yùn)量是衡量我國(guó)交通需求的重要指標(biāo),科學(xué)預(yù)測(cè)鐵路客運(yùn)量是制定交通發(fā)展規(guī)劃的重要依據(jù)。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(yōu)點(diǎn),基于灰色模型和線性回歸模型,根據(jù)灰色關(guān)聯(lián)度賦予單一模型相應(yīng)權(quán)重,建立鐵路客運(yùn)量組合預(yù)測(cè)模型,并選取2006—2015年鐵路客運(yùn)量數(shù)據(jù),對(duì)我國(guó)鐵路客運(yùn)量進(jìn)行預(yù)測(cè)。結(jié)果表明:組合模型克服了單一模型的預(yù)測(cè)局限性,能進(jìn)一步提高預(yù)測(cè)精度,適用于鐵路客運(yùn)量預(yù)測(cè)研究。

對(duì)客運(yùn)量發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)是正確制定鐵路客運(yùn)營(yíng)銷戰(zhàn)略的前提和基礎(chǔ),文章運(yùn)用灰色運(yùn)用對(duì)某鐵路局的客運(yùn)量及周轉(zhuǎn)量進(jìn)行了預(yù)測(cè),認(rèn)為某鐵路局客運(yùn)量的發(fā)展趨勢(shì)是逐漸降低,但降低的趨勢(shì)是逐漸減少;客運(yùn)周轉(zhuǎn)量的發(fā)展趨勢(shì)是不斷增加。

采用定性分析方法確定物流貨運(yùn)量的影響因素,基于線性回歸方法建立數(shù)學(xué)模型。采集延安市貨運(yùn)量相關(guān)數(shù)據(jù),根據(jù)2001-2008年數(shù)據(jù)確定模糊回歸系數(shù)a,對(duì)2009-2012年公路物流貨運(yùn)量進(jìn)行計(jì)算,并采用實(shí)際數(shù)據(jù)與其他三種預(yù)測(cè)方法進(jìn)行驗(yàn)證。結(jié)果表明:線性回歸數(shù)學(xué)模型對(duì)物流貨運(yùn)量進(jìn)行預(yù)測(cè)精確度高,誤差較小。

為了提高電力需求預(yù)測(cè)的精度,分析現(xiàn)有人工神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測(cè)方法各自的優(yōu)缺點(diǎn),將二者相結(jié)合提出一種并聯(lián)灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法。新方法首先采用灰色模型、神經(jīng)網(wǎng)絡(luò)分別進(jìn)行預(yù)測(cè),而后給出了一種基于粗糙集理論確定權(quán)值的方法對(duì)加權(quán)系數(shù)加以確定,最后對(duì)預(yù)測(cè)結(jié)果加以組合作為實(shí)際預(yù)測(cè)值。用上述并聯(lián)灰色神經(jīng)網(wǎng)絡(luò)模型對(duì)上海市的電力需求進(jìn)行預(yù)測(cè),模型精度和預(yù)測(cè)結(jié)果比較理想,優(yōu)于單一預(yù)測(cè)模型。計(jì)算結(jié)果表明,該模型用于電力需求預(yù)測(cè)是有效可行的,適用于中長(zhǎng)期需求預(yù)測(cè)。

對(duì)鐵路旅客發(fā)送量準(zhǔn)確的預(yù)測(cè)與分析是鐵路部門進(jìn)行相關(guān)決策和判斷的依據(jù)，為此本文運(yùn)用灰色模型預(yù)測(cè)方法，對(duì)哈爾濱站2012—2016年的旅客友送量進(jìn)行預(yù)測(cè)．預(yù)測(cè)結(jié)果可為鐵路組織在決策判斷時(shí)提供一些借鑒作用。

文章根據(jù)鐵路現(xiàn)有的客流量,將鐵路系統(tǒng)視為灰色系統(tǒng),運(yùn)用灰色預(yù)測(cè)模型對(duì)客流作出預(yù)測(cè),并運(yùn)用殘差修正和新陳代謝進(jìn)行優(yōu)化,解決了預(yù)測(cè)精度和可信度的問(wèn)題。

鐵路客流量的預(yù)測(cè)對(duì)于鐵路交通業(yè)具有重要的實(shí)際意義,本文探討應(yīng)用灰色預(yù)測(cè)方法來(lái)預(yù)測(cè)鐵路客流量的方法,并且通過(guò)對(duì)我國(guó)2007-2009年鐵路客運(yùn)量預(yù)測(cè)的實(shí)證分析,證明了此方法的可行性,并且檢驗(yàn)了此方法的精確度,為準(zhǔn)確預(yù)測(cè)鐵路客流量提供了一種簡(jiǎn)便可行的分析預(yù)測(cè)方法。

對(duì)運(yùn)量發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)是正確制定鐵路集裝箱營(yíng)銷戰(zhàn)略的前提和基礎(chǔ)。運(yùn)用灰色預(yù)測(cè)法對(duì)鐵路集裝箱運(yùn)量進(jìn)行了預(yù)測(cè),得出鐵路集裝箱的發(fā)送箱數(shù)和噸數(shù)都將呈上升趨勢(shì)。

針對(duì)傳統(tǒng)灰色模型在長(zhǎng)期預(yù)測(cè)中受外界干擾影響預(yù)測(cè)精度的問(wèn)題,通過(guò)對(duì)灰參數(shù)的二次擬合以及應(yīng)用動(dòng)態(tài)新陳代謝理論改進(jìn)灰色模型,結(jié)合實(shí)際邊坡工程予以驗(yàn)證.結(jié)果表明:改進(jìn)后的灰色模型預(yù)測(cè)精度較高,具有工程應(yīng)用價(jià)值.

基于灰色理論和馬爾科夫理論,建立傳統(tǒng)的灰色預(yù)測(cè)模型和灰色馬爾科夫預(yù)測(cè)模型,對(duì)西安地鐵客流量的數(shù)據(jù)進(jìn)行分析預(yù)測(cè)；然后對(duì)原始數(shù)據(jù)序列滑動(dòng)平均處理,再用無(wú)偏gm(1,1)模型擬合系統(tǒng)的發(fā)展變化趨勢(shì),將修正后得到的模型與馬爾科夫模型進(jìn)行結(jié)合,提出改進(jìn)的灰色馬爾科夫模型預(yù)測(cè)方法。利用改進(jìn)后的新模型對(duì)地鐵客流的預(yù)測(cè)結(jié)果與傳統(tǒng)的灰色馬爾科夫模型進(jìn)行對(duì)比。結(jié)果表明,改進(jìn)后的灰色馬爾科夫模型預(yù)測(cè)精度有顯著提高。

隨著數(shù)據(jù)挖掘技術(shù)在各領(lǐng)域運(yùn)用越來(lái)越多,其算法也日漸趨于成熟。數(shù)據(jù)挖掘技術(shù)作為建立預(yù)測(cè)模型的重要技術(shù),已成為專家研究的熱點(diǎn)。隨著數(shù)據(jù)挖掘技術(shù)在實(shí)際模型運(yùn)用中暴露的問(wèn)題越來(lái)越多,單一的技術(shù)和方法已無(wú)法滿足各類功能的需求。為了分析公路貨運(yùn)中復(fù)雜的數(shù)據(jù),構(gòu)建一種功能強(qiáng)大的預(yù)測(cè)模型就顯得尤為重要。本文嘗試說(shuō)明在數(shù)據(jù)預(yù)測(cè)模型中運(yùn)用rbf神經(jīng)網(wǎng)絡(luò)技術(shù)和主成分分析方法,挖掘和分析公路貨運(yùn)中的數(shù)據(jù),提高預(yù)測(cè)結(jié)果的準(zhǔn)確性和高效性,為制定新的決策提供有效的依據(jù)。

1 從用電量鐵路貨運(yùn)量的波動(dòng)看結(jié)構(gòu)調(diào)整的積極變化 王保安 《人民日?qǐng)?bào)》（2015年10月08日10版） 近年來(lái)，經(jīng)濟(jì)增長(zhǎng)與用電量、鐵路貨運(yùn)量指標(biāo)變動(dòng)之間的關(guān)系引起了國(guó)內(nèi)外 廣泛的關(guān)注。在經(jīng)濟(jì)發(fā)展新常態(tài)下，經(jīng)濟(jì)增長(zhǎng)與用電量、鐵路貨運(yùn)量指標(biāo)之間的 彈性系數(shù)正在發(fā)生新的變化，一定程度上的背離恰恰反映了結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級(jí) 取得積極進(jìn)展，而從趨勢(shì)上看，指標(biāo)的導(dǎo)向性與邏輯關(guān)系并未變化，其反映的規(guī) 律性、有效性也沒(méi)有改變。 從實(shí)踐和相關(guān)性看，用電量、鐵路貨運(yùn)量變化與經(jīng)濟(jì)增長(zhǎng)總體上是一致的 用電量與經(jīng)濟(jì)增長(zhǎng)變化基本同步。1998—2007年，我國(guó)國(guó)內(nèi)生產(chǎn)總值同比 增速由7.8%提高至14.2%，而同期電力消費(fèi)增速總體上呈現(xiàn)上升的態(tài)勢(shì)；2008 年，受國(guó)際金融危機(jī)沖擊，我國(guó)經(jīng)濟(jì)增速大幅回落，用電量增長(zhǎng)也明顯回落；在 大規(guī)模刺激政策的作用下，2009—2010年我國(guó)

鐵路運(yùn)輸量預(yù)測(cè)對(duì)于地區(qū)物流規(guī)劃有著重要的作用.文章選取銅仁市2010-2015年的鐵路運(yùn)輸量,分別利用曲線估計(jì)和灰色模型對(duì)銅仁市未來(lái)五年的鐵路運(yùn)輸量進(jìn)行預(yù)測(cè).結(jié)果表明,灰色模型預(yù)測(cè)精度較高,銅仁市未來(lái)五年鐵路運(yùn)輸量會(huì)突飛猛進(jìn),到2020年鐵路運(yùn)輸量將達(dá)到431.48萬(wàn)噸.

為了獲得更精確的公路客運(yùn)量預(yù)測(cè)結(jié)果,經(jīng)分析,以公路客運(yùn)量、人口和國(guó)內(nèi)生產(chǎn)總值數(shù)據(jù)為基礎(chǔ),將灰色模型預(yù)測(cè)方法gm(1,3)和馬爾可夫鏈預(yù)測(cè)結(jié)合,構(gòu)成組合模型,對(duì)公路客運(yùn)量作出預(yù)測(cè).通過(guò)對(duì)杭州市公路客運(yùn)量預(yù)測(cè)的實(shí)例分析,對(duì)比預(yù)測(cè)值和實(shí)際值,得出基于灰色gm(1,3)-馬爾可夫鏈模型獲得的預(yù)測(cè)結(jié)果比灰色預(yù)測(cè)更加準(zhǔn)確的結(jié)論,研究結(jié)果表明:該模型對(duì)公路客運(yùn)量預(yù)測(cè)有一定的實(shí)用價(jià)值.

在傳統(tǒng)gm(1,1)模型的基礎(chǔ)上考慮初始條件選取的理論缺陷,提出了改進(jìn)的灰色預(yù)測(cè)模型。通過(guò)在隧道開(kāi)挖后上方建筑物沉降預(yù)測(cè)值與實(shí)測(cè)值的對(duì)比分析得出,該模型具有良好的精度,并具有一定的工程應(yīng)用價(jià)值。