基于优化灰色-马尔可夫链模型的铁路货运量预测

在传统的灰色预测模型中,传统背景值公式和初始值的选取方法会造成模型产生偏差。通过对背景值公式的改进和初始值选取方法的变化,构造出预测精度更高的灰色模型,即优化GM(1,1),并将优化GM(1,1)与马尔可夫链预测相结合,对我国的铁路货运量进行了预测分析,得出了相应的预测区间及其发生概率。通过理论分析和算例表明,该方法的预测结果比传统灰色模型预测结果更加可靠。     

基于灰色马尔可夫模型的物流园区物流量预测研究

物流量预测是物流园区规划和管理的一项重要内容.本文将灰色系统理论与马尔可夫链相结合,介绍了灰色模型-马尔可夫链预测物流园区物流量的预测方法,并对某物流园区未来三年的物流量进行预测,结果表明比单纯利用灰色模型进行预测更加准确可靠.     

灰色-马尔可夫链模型在股市预测中的应用

用GM(1,1)预测具有良好的精确性和规律性,但对于随机波动性较大的股市行业,它的预测精度比较低,而马尔可夫模型可以克服波动性较大的局限性,弥补灰色模型的不足,因此将两者结合起来对股市进行预测将能提高预测的精度。本文依据上交所20个月末收盘指数预测后四个月的月末收盘指数范围,实证分析表明灰色马尔可夫链模型在股市预测中应用的可行性     

基于灰色模型的铁路客流预测方法

铁路客流量的预测对于铁路交通业具有重要的实际意义,本文探讨应用灰色预测方法来预测铁路客流量的方法,并且通过对我国2007-2009年铁路客运量预测的实证分析,证明了此方法的可行性,并且检验了此方法的精确度,为准确预测铁路客流量提供了一种简便可行的分析预测方法。     

基于灰色模型的怀来公路货运量预测的研究

为了把怀来建设成为京西物流港,以系统工程学、交通规划为基础,采用灰色预测模型法,先对怀来公路货物运输量进行实地调查．通过把调查的数据整理聚类分析,以数据为依据构造怀来公路货运灰色模型,用该模型对怀来的货运量进行预测,并对灰色模型进行了验证,最后确定了近期怀来公路货运量,同时也为交通部门制定相关政策和科学决策提供了强有力的依据。     

基于BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.     

铁路货运量的组合预测方法研究

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路企业制订正确的营销战略的前提.在现有的铁路货运量预测模型中,采用的方法不同,预测的结果也不尽相同,而组合预测方法能够结合各种预测方法的有用信息,对目标进行科学的预测.本文探讨了在非负权重条件下,线性组合预测和非线性组合预测的模型,并以历年的铁路货运量为实例进了论证,实践结果令人满意.     

灰色预测模型在公路货运量预测中的应用

论述了灰色预测模型在公路货运量预测中的应用技术、方法与程序。该方法利用了累加生成手段和微分方程描述的灰色模型,与目前常规货运量预测理论和模型相比,可有效地处理小样本、贫信息的不确定系统,并在一定预测时段内具有良好的预测精度和实用性。     

基于多因素的国家铁路货运量预测研究

本文以国家铁路货运量为预测研究对象,在选取对其产生影响的8个因素的基础上,首先,运用多元线性回归的方法来进行预测,得出了多元线性回归方程。其次,运用BP神经网络的方法以三个因素作为网络输入来进行预测,得到了更好的预测结果。最后,通过对比两种方法的预测结果,总结出了适合国家铁路货运量预测的方法。     

物流需求量灰色马尔科夫模型预测

针对物流信息的不确定性与复杂性,用灰色马尔科夫模型对黑龙江省物流需求的指标量"货运量"与"货物周转量"进行了预测.预测结果为黑龙江省物流产业的发展政策及物流基础设施的规划和设计提供了决策依据,对提高黑龙江省物流产业的发展水平具有一定的参考意义.     

基于GM(1,1)残差模型的铁路客运量预测

运用灰色GM(1,1)模型,对铁路客运量进行预测,再用GM(1,1)残差模型进行修正,得出精度很高的预测模型,结合实际统计数据对预测结果的精度进行检验。结果显示,GM(1,1)残差模型的预测结果比灰色GM(1,1)模型有更高的预测精度。基于此,对2009~2014年广西壮族自治区铁路客运量进行预测。     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模.在分析某铁路以往货运最的基础上,确定了混合神经网络的特征参数,并根捌实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型.     

基于GM（1,1）的河南省纺织服装产业价值链预测分析

通过数据的统计和分析,从总体上把握河南省纺织服装产业价值链的构成和发展脉络,具有十分重要的意义。本文使用GM（1,1）预测方法对河南省纺织服装产业的价值链构成及其未来发展进行了科学预测,结果预示河南省纺织服装产业在逐渐进步,并将在未来朝良性轨道前进。     

基于GM(1,1)模型的河北省冷链物流需求预测

京津冀一体化不仅促进了河北省经济快速发展,更带动了生鲜产品需求不断上涨。河北省作为京津两地菜篮子,三大优势产业果品、蔬菜、畜牧总产值占农林牧渔业总产值近70%,冷链物流市场潜力巨大。本文以河北省2011-2018年的冷链物流需求量作为原始数据,应用GM(1,1)模型对2019-2023年河北省冷链物流需求量做出预测,以此为河北省冷链物流发展提供数据参考。     

GM(1,1)灰色预测模型在高速铁路项目施工成本动态管理中的应用

为加强对高速铁路工程项目施工成本动态管理,实施事前主动控制,本文利用GM(1,1)灰色预测模型对项目责任成本管理效果进行预测,以汉十高速铁路某标段施工阶段施工责任成本管理为例,建立并验证预测模型的可行性。结果表明,GM(1,1)灰色预测模型在具有较高的精度,既能够对项目施工责任成本管理效果进行动态预测和评价,还能够有助于实现项目事前主动控制。     

GM(1,1)预测模型中原始数据的函数变换研究

灰色预测模型是灰色系统理论的重要内容之一,也是预测理论中被广泛使用的一种预测方法。为了提高预测精度,需要对原始数据序列作数据处理,提高数据序列的光滑度,本文主要是对灰色预测GM(1,1)模型利用函数变换理论对其原始数据函数变换处理进行研究,并对进过函数变换原的数据精度进行比较。     

基于GM(1,1)模型的中英电子商务交易规模预测

文章分析了中国和英国的电子商务发展环境,论述了中英两国的商业基础设施、品牌意识和消费文化。基于灰色预测模型,预测两个国家的电子商务交易规模。根据预测结果,分析两国的电子商务发展趋势,并为从事电商行业的企业提供发展建议。     

基于GM(1,1)模型的物流人才需求量预测分析

本文以河南省物流人才需求量为研究对象,应用灰色GM(1,1)模型对2008-2013六年数据进行分析预测。