基于灰色马尔科夫模型的陕西省铁路客运量预测

随着我国高铁客运的快速发展,从铁路客运历史趋势中探寻规律、把握铁路客运发展趋势,旨在对中国铁路公司及相关企业的决策提供科学依据.基于2005-2016年陕西省铁路客运量数据,在灰色GM(1,1)模型预测的基础上,运用马尔科夫过程对预测值进行修正,并对2017-2022年陕西省铁路客运量进行预测.结果表明:经过马尔科夫过程修正的灰色预测模型平均绝对误差由原来的4.64%降低到2.94%,预测效果明显.经检验,灰色马尔科夫模型的精度等级为一级,说明了方法对陕西省铁路客运量预测的有效性.     

基于灰色马尔科夫模型的平顶山市空气污染物浓度预测

选用平顶山市2005—2009年各空气污染物浓度作为原始数据序列,建立灰色马尔科夫预测模型,对未来10年的污染因子浓度进行预测.模型检验结果表明:均方差比值和小误差概率均为一级;运用灰色关联分析法计算各污染物原始数据序列与预测数据序列之间的关联度,定量描述灰色马尔科夫预测模型对于空气质量预测的精确度,平均精度达到99.9%,表明灰色马尔科夫预测模型对于空气质量预测有很高的实用性.     

基于灰色残差马尔科夫模型的山西省农产品冷链物流需求预测

冷链物流的需求预测对于调节我国目前的市场结构、平衡供求关系、优化物流资源配置等方面具有十分重要的现实意义.以2011-2020年山西省主要农产品产量作为原始数据,利用传统灰色预测模型和灰色残差马尔科夫模型设计拟合分组试验,并对两种模型的预测效果进行对比.试验结果表明,灰色残差马尔科夫模型的预测结果相比于传统灰色预测模型更加精准,因此选择灰色残差马尔科夫模型预测山西省2021-2027年度冷链物流需求.预测结果显示,2021-2027年山西省农产品的冷链需求年平均增长6.12%,增速比较缓慢,有很大的进步空间.该预测结果对山西省冷链运输发展的相关规划和建设有一定的借鉴作用.     

一种基于季节指数的灰色马尔科夫气温预测模型

提出一种根据气温历史数据的年际周期性和季节性变化规律建立的基于季节指数的灰色-马尔科夫气温预测模型.模型将纵向与横向分析相结合方法运用到气温预报之中,通过季节指数修正气温的横向季节性变化,再用灰色模型进行预测,最后通过马尔科夫进行误差修正.实例运用中,对广州市的2000年月平均气温进行预测,在与历史数据的对比中表明,模型预测结果较为准确,可靠性较好.并讨论说明该模型也可推广到其他具有周期特征的非平稳时间序列的预测中,并大大提高预测精度.     

基于动态无偏灰色马尔科夫模型的煤炭需求量预测

煤炭消费系统是一个复杂的非线性系统,具有随机性、非线性、动态性等特点,科学地预测煤炭消费量及其结构对于优化配置能源有重要意义.传统的单一预测方法预测精度较低.在对陕西省煤炭消费历史数据分析的基础上,构建了煤炭消费总量的GM(1,1)模型、灰色GM(1,1)预测模型和动态无偏的马尔科夫结构预测模型.拟合结果表明,动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度,其平均相对误差为2.10%,分别低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型的17.37%和6.37%,可用于煤炭需求的预测,在此基础上对陕西省2017-2025年煤炭消费进行了预测,为未来能源消费发展规划提供依据.     

基于信息熵的西部区域交通运输结构分析及其灰色预测

随着新型城镇化的建设,西部区域综合交通运输网络有了很大的改善,对其交通运输结构的发展程度进行研究已显得尤为重要.运用信息熵理论和灰色预测模型,对西部区域交通运输结构的演变趋势进行分析与预测,并以甘肃省为例进行实证分析.结果表明:由于近几年公路运输的快速发展,甘肃省运输结构的信息熵呈逐年下降趋势,各运输方式运量发展不均衡;对比GM(1,1)模型与灰色马尔科夫模型可得,后者更适用于西部区域交通运输结构的演变预测.研究结果可为西部区域交通运输结构的完善提供相应的参考.     

基于神经网络算法的海南旅游需求测估模型

在详细调查海南旅游相关数据的前提下,先建立模型对海南旅游需求进行了预测,然后分析了影响旅游需求的主要因素.先用GM(1,1)灰色模型对海南省旅游人数进行预测,并用马尔科夫链修正误差,在灰色模型的基础上进行了优化.进一步,我们将灰色模型与BP神经网络模型结合起来进行预测,并针对BP网络输入层提供了2种方法:三年滚动预测、多因素预测.得出结论:海南旅游人数还将会逐年递增.同时,通过比较相对误差发现,对于问题的预测精度:BP神经网络灰色模型.最后,我们利用灰色关联度模型得出各因素对旅游需求的影响:服务交通景观发展消费环境.     

基于改进灰色马尔科夫模型成品油消费预测

近年来中国经济放缓,成品油的消费一定程度上受到了抑制,2016年,我国汽柴油表观消费量首次较前年下降.成品油消费税率提高,导致部分成品油生产资本向新能源项目转移.根据GM(1,1)模型和马尔科夫模型时间序列预测的长短期互补,首先用GM(1,1)模型对成品油消费量进行预测,随后利用马尔科夫模型对GM(1,1)预测误差项的状态及状态概率进行预估,采用预测状态与其概率的乘积对GM(1,1)预测值进行修正.结果表明,改进后的灰色马尔科夫模型误差小,精度高,适于中长期预测.除此之外,组合模型还可以通过增加误差状态划分的个数,以提高模型预测的精度.     

国内第三产业产值的ARMAV模型研究与应用

本文利用时序分析方法研究 1 95 2— 1 995年国内生产第三产业交通运输仓储邮电通信业与批发和零售贸易餐饮业产值的 ARMAV模型 ,并用所建模型对 1 996— 1 997年产值进行外延预测 ,得到较理想的预测结果     

基于新维无偏灰色马尔科夫模型的围栏草场面积的预测

草原上围栏草场建设已成为一种趋势,围栏草场面积的预测,可以为草原的评价、管理、规划、和决策提供重要的基础数据.灰色预测适合于数据量少的对象,而马尔科夫链适用于随机性强、波动性大的动态过程,通过有效结合这两种预测方法,采用新维无偏灰色马尔科夫模型,预测围栏草场的面积.用无偏灰色模型拟合围栏草场面积的发展变化趋势,用马尔科夫模型对拟合的数据分析预测,在每一步的预测中,利用新信息优先的原则,对原始数据进行等维处理,经过反复的预测,最后得到预测精度较高的结果.实例结果分析表明:此模型预测误差小,精度高,尤其适合中长期预测.