时间序列在城市交通预测中的应用

在地铁的可行性报告中，客流量的预测是一个重要的组成部分。T市地铁可行性研究报告中关于客流量的预测方法，采用的是国际上目前通用的四阶段法〔‘一，」。但该方法需要大量的调查数据，存在着调查的时效性问题，而且涉及许多参数，增大了预测的难度。此外，还存在着预测的跨     

基于分层分布法的衡阳市公交出行预测

在城市公交出行预测分析所常用的重力模型基础上,文章运用分层分布法对不适用重力模型的公交出行特征进行了修正,并据此提出了近期（2010年）和远期（2020年）衡阳市的公交出行强度（总量）、分布、方式结构等方面的预测结论。该结论可为衡阳市公交线网优化及道路场站建设等提供决策参考。     

地下铁路客流量预测及其模型

讨论了城市地铁客流量的影响因素．建立了客流量分析及其增长倍数模型．进而提出客流量近期预测模型．为地铁规划设计、施工及运营决策提供辅助支持．     

基于解释结构模型的公交客流量影响因素分析

在道路交通压力日益加重、汽车尾气日益增多的情况下,发展公共交通是降低人均用车比例、缓解道路交通压力、减少汽车尾气污染的有效途径之一。在界定影响公交客流的系统边界、归纳各影响因素的基础上,利用解释结构模型对各因素之间的关系进行分析,建立起结构层次关系。分析各层次因素对公交客流的作用,对增加公交客流量、提高公交利用率提出了建议。     

石家庄市城郊公共交通客流特征分析及运营对策研究

随着石家庄市区向郊区快速扩展,城郊乘客流量急剧增大,城郊公共交通成为城市公交矛盾最多、最尖锐的领域.通过对石家庄市城郊公交客流量的调查,在分析城郊区域公交客流基础情况、时空分布特征的基础上,指出应大力发展城郊公交、加大城郊公交线网密度,优化线路运力及行车组织,促进石家庄城郊公交发展,更好满足居民出行需求.     

重庆市南岸区公交客流预测研究

公交客流预测对城市公共交通规划和设计起着至关重要的作用.在调查重庆市南岸区公共交通现状的基础上,以南岸区目前公共交通出行量、社会经济和城市人口数据为基础,采用“四阶段”法对南岸区公交客流出行生成量、出行方式分担率、出行分布进行预测,得到2020年南岸区各交通小区公交出行分布矩阵、公交客流通道客流预测和2020年南岸区公交通道客流分布图,为南岸区公共交通的发展规划提供依据,具有实际意义.     

厦门国际旅游市场的灰色系统关联分析和预测

首先对旅游客流量指标系统进行与时间的关联度分析,判断其序列与时间关联性,再采用灰色数列预测模型根据1991年至2000年间厦门经济特区来自境外的国际游客人次和人天数对未来几年的客流量进行预测,对厦门旅游业的未来发展和规划提出相应政策建议.     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。     

基于BP网络的人力资本预测研究

针对人力资本计量的非线性特征,本文将BP神经网络引入人力资本模拟预测领域,运用BP网络高度并行互联结构和高速的自学习、自适应处理能力,对我国各地区人力资本投资进行预测研究,解决了人力资本投资计量必须建立模型的问题。     

低温冷柜内空气的传热与流动特性研究

用Simple方法计算－65℃冷柜内空气自然对流，得到了冷柜内各个点空气的物性参数。通过编程绘制了冷柜内空气的温度场、速度场、压力场及密度场，并且对所得场进行了分析。     

基于GP的非线性GDP预测模型的构建与应用

针对线性GDP预测模型中存在的不足,利用遗传规划(GP)方法构建了非线性GDP预测模型,并将其应用于黑龙江省的GDP预测当中。利用黑龙江省1978—2005年实际GDP数据作为建模样本,对模型进行了训练,结果表明,与灰色GM(1,1)预测模型相比,基于GP的非线性预测模型平均拟合误差只有2.86%,远远低于GM(1,1)预测模型8.26%的结果。利用构建的基于GP的非线性预测模型对2006年黑龙江省的GDP进行预测,相对预测误差只有2.74%,远远低于GM(1,1)预测模型14.68%的结果,表明GP非线性预测模型的预测效果比较理想。最后利用基于GP的非线性预测模型对黑龙江省2007—2020的GDP进行了预测,结果表明黑龙江省的GDP呈现出稳定增长态势,年均增长率将达到8.61%。     

两种成分数据预测建模方法的比较研究

在社会、经济、技术等领域中,成分数据是一种被广泛应用的数据类型。文章对两种不同的成分数据预测建模方法进行对比研究:一种是利用对数变换对成分数据进行预测的建模方法;另一种是利用球面投影,通过对成分数据的非线性降维,得到建立预测模型的方法。通过比较研究,指出两种方法在应用方面的优缺点,并且利用北京市按所有制划分的从业人员数据,应用两种方法分别进行预测,对北京市的就业情况进行简要分析。     

用水量组合预测模型的研究

为了给水资源规划提供依据，我们要对城市用水量进行预测，以期揭示其变化规律和发展趋势。本文从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，进而确定组合预测模型。通过引入层次分析法（AHP）确定组合预测权系数，将目前常用的用水量预测模型有机地结合起来，建立了用水量组合预测的结构模型。算例结果表明，该组合预测模型在预测准确性方面能得到改进，能对城市用水量进行有效地预测。     

基于VAR和GM组合模型的电力消费预测

组合预测模型较单一模型具有更准确的预测精度,利用中国电力消费1978年~2007年的年度数据,将VAR模型与灰色预测的GM（1,1）、无偏GM（1,1）两种模型有机组合,建立灰色VAR组合预测模型,对2008年~2015年的电力消费量进行预测。结果表明,该模型平均相对误差为4.88%,拟合精度较高,具有较好的应用价值。     

基于GM（1，1）模型的新疆人力资源需求预测分析

根据灰色预测模型,并运用残差检验、关联度检验和均方差检验进行模型检验,以保证预测结论的可靠性,研究表明：新疆未来十年人力资源数量呈现不断增长的趋势,这将为新疆经济社会实现跨越式发展提供强大的人力资源;人力资源受教育年限的不断增加,意味着新疆教育水平的提升,人力资源整体素质的提高,这为新疆的发展提供了智力的支持人力资源结构也发生了很大的变化,男女比例趋于平衡、镇人口比例与乡村人口比例不断趋于平衡。     

组合预测模型在城市垃圾产量预测中的研究与应用

为了给城市环境规划提供依据,我们要对城市垃圾产量进行预测,以期揭示其变化规律和发展趋势。本文从分析城市垃圾产量变化规律着手,给出了城市垃圾产量预测的常用模型,进而确定组合预测模型。通过层次分析确定组合预测权系数,将目前常用的垃圾产量预测模型有机地结合起来,建立了垃圾产量组合预测的结构模型。算例结果表明,该组合预测模型在预测准确性方面能得到改进,能对城市垃圾产量进行有效的预测。     

GA改进的统计组合模型在个人信用评估中的应用

将分类精度作为遗传算法的适应度函数,利用遗传算法改进了基于线性回归和Logistic回归的统计组合预测模型,并将其应用于个人信用评估。结果表明,遗传算法改进后的组合预测模型在总分类精度和两类误判率方面都低于单一模型以及基于误差平方和最小的组合预测模型。利用遗传算法改进组合预测模型并用于个人信用评估是具有优势的。     

基于灰色GM(1.1)的邯郸市城镇化水平预测

灰色GM(1.1)模型适合少量数据的系统预测.当随时间序列的数据只有少量几个时,无法采用统计和其他的预测方法时,它作为一种少量数据的系统预测十分有效.将1999~2003年5年中的邯郸的城镇化水平作为灰色预测的原始数据,建立邯郸市城镇化水平灰色预测模型,并采用残差估计进行模型检验,成功地建立了邯郸市城镇化水平灰色预测模型.