基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。     

城市道路通行能力实证研究

在查阅文献资料的基础上,定义缺失通行能力,结合视频1和视频2的车辆数据分别进行实际通行能力的差异性分析和相关性分析;借鉴泊松分布的思想,运用累计到达法、泊松概率法及排队长度法,构建涵盖车辆通行能力、车辆排队时间及车流量3个因素的车辆排队长度模型。     

基于M/M/1/K模型的车道占用对道路通行能力影响的分析与预测

依据一段实时路况监控视频,采用T型交叉平面口模型对事故所处横断面的实际通行能力进行建模.运用排队论的M/M/1/K模型对交通事故所影响路段的车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量之间的关系进行建模,利用MATLAB软件与微元法思想进一步拟合与改进,并用模型预测出新交通条件下车辆排队至上游路口的时间,说明模型的有效性.     

基于TFWPA算子的模糊优化组合预测模型及其应用

传统的组合预测中,预测对象往往是实数或区间数,实际上,三角模糊数则更能刻画不确定环境下复杂事物的某些量的特征。因此,本文提出一种预测信息为三角模糊数的模糊优化组合预测新方法。定义了两个三角模糊数的相对误差,同时考虑到预测数据之间的交叉影响,基于三角模糊加权Power平均(TFWPA)算子、三角模糊加权Power几何(TFWPG)算子和max-min准则,分别构建模糊优化组合预测模型。提出非劣性和优性组合预测的概念,证明所提模糊组合预测模型具有非劣性质。最后通过实例分析说明了该模糊组合预测方法的有效性,并对参数做了灵敏度分析。     

用改进的模糊AR(p)与指数平滑组合模型预测油田产油量

在模糊AR(p)与指数平滑组合预测模型的基础上,通过对传统指数平滑模型的分析,提出了动态平滑参数的概念,并由此建立了平滑权重对时间序列能够适应的新的指数平滑模型,较完整地解决了传统模型初值难以选取,平滑参数适应性差和系统预测偏差大等问题,从而较传统指数平滑模型有较高的预测精度.并将这两种模型结合起来构成新的改进的模糊AR(p)与指数平组合预测模型,并应用于预测油田产油量.应用实例证明,改进的模糊AR(p)与指数平滑组合预测模型具有更高的预测精度.从而表明该组合预测模型是一种非常有效的预测新方法.     

信号交叉口车辆的延误分析

针对路段上交通流的特性,以及信号交叉口交通流的动态流通特征,分析了车辆到达信号交叉口的规律以及车辆越过停车线的特点,从而建立了停车延误模型;又分析了单个相位停车线的长度与交叉口几何特征的关系,及车辆在通过信号交叉口之间的路段过程中的运行特性,建立了相位延误模型;从而得到一个在信号交叉口处适用任何饱和度的排队延误模型,使得结果更贴近车辆在信号交叉口的实际延误时间.     

基于多模块模糊贝叶斯网络的恐怖袭击事件量化分析

近年来,全球范围内恐怖袭击事件的发生日益频繁,已经成为许多国家和地区所面临的主要安全问题.首先建立了全球恐怖袭击事件危险性分级指标体系,并基于多模块模糊贝叶斯网络来建立一个基于观测事件"后验概率"的推理模型,从而解决信息不确定时恐怖袭击事件的危险性分级.其次,利用FCM聚类模型对恐怖袭击事件的危险度进行聚类分析,从而依据事件特征对犯罪嫌疑人进行准确锁定.然后,建立了贝叶斯网络恐怖活动预测模型,为全球反恐态势提供有效预测,并利用ArcGIS热点图分析各地区恐怖袭击事件的时空特性.最后,基于VAR模型揭示了不同区域之间在恐怖袭击事件发生时跨区域间的相互影响关系,并提出了相应的反恐建议.     

飞行事故的一种自适应模糊神经网络预测方法研究

飞行事故预测对于预防飞行事故具有十分重要的意义.首先系统分析了空军飞行事故的主要影响因素,对其中的定性因素进行了量化;然后利用系统分析的成果和历史统计数据建立了空军飞行事故的自适应模糊神经网络预测模型.整个预测过程突破了纯数学模型预测的局限性,实现了预测的定性和定量的结合;由于预测中使用了一种基于高木.关野模糊模型的自适应模糊神经网络,从而使预测模型具有很强的自适应能力,预测结果也比较令人满意.     

模糊处理变结构神经网络日负荷预测方法研究

对于受不确定因素影响的日电力负荷,首次提出了基于模糊分类规则的变结构神经网络负荷预测模型,考虑从两方面改进预测精度,一个方面是通过模糊分类规则,使过去的负荷数据分为不同气候特征,选用同类特征数据进行预测,另一方面是通过神经网络变结构优化,确定最优网络和最优拟合逼近,从而得到最优的预测结果,这种新方法同时考虑了天气因素的影响和神经网络的最优确定,因此,较大提高了日负荷预测的精度。     

基于逆模糊数的模糊时间序列预测的新方法

Song和Chisson于1993年提出模糊时间序列预测理论.虽然至今已经提出许多模糊时间序列预测模型,但是迄今为止尚未给出预测未知年数据的模糊时间序列预测模型.提出基于逆模糊数的模糊时间序列预测的新方法该模型对广西大学已知的2001~2012年的注册数进行预测分析,平均预报误差率比相关文献的方法有所改善.还对广西大学未知的2013年和2014年注册数进行预测研究.方法是短期预测的一种模糊时间序列预测方法.     

模糊神经网络方法在定点定量降水预报中的应用研究

以单站24小时降水量作为预报对象,采用模糊神经网络方法进行了新的数值预报产品释用预报方法研究.首先通过对T 213、ECMW F预报因子场以及高空气象探测资料进行处理,有效浓缩多种物理量因子场的实况及预报信息,并进一步建立了南宁、桂林、河池、百色4站的降水模糊神经网络释用预报模型.运用与实际业务相同的预报方法对2006年6—8月进行逐日的降水量预报试验,并与相同时次的T 213降水预报产品进行对比分析.结果表明,4个单站的定点、定量模糊神经网络降水预报模型,在预报性能上明显优于同期T 213数值预报模式的降水预报结果.     

Improved time-variant fuzzy time series forecast

Since Song and Chissom (Fuzzy Set Syst 54:1–9, 1993a) first proposed the structure of fuzzy time series forecast, researchers have devoted themselves to related studies. Among these studies, Hwang et al. (Fuzzy Set Syst 100:217–228, 1998) revised Song and Chissom’s method, and generated better forecasted results. In their method, however, several factors that affect the accuracy of forecast are not taken into consideration, such as levels of window base, length of interval, degrees of membership values, and the existence of outliers. Focusing on these factors, this study proposes an improved fuzzy time series forecasting method. The improved method can provide decision-makers with more precise forecasted values. Two numerical examples are employed to illustrate the proposed method, as well as to compare the forecasting accuracy of the proposed method with that of two fuzzy forecasting methods. The results of the comparison indicate that the proposed method produces more accurate forecasting results.     

基于模糊聚类分析的小波神经网络模型在径流预测中的应用

提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集类别变量特征值与观测值之间的局部预测模型,并设计了特征值分类识别器,自动搜寻相适应的局部网络模型进行预测.通过西南某水库2011年日平均入库来流的计算实例对简单小波神经网络预测模型和所建的基于FCM与小波神经网络的预测模型进行了比较,结果较为满意.     

Quadratic interval innovation diffusion models for new product sales forecasting

An appropriate sales forecasting method is vital to the success of a business firm. The logistic model and the Gompertz model are usually adopted to forecast the growth trends and the potential market volume of innovative products. All of these models rely on statistics to explain the relationships between dependent and independent variables, and use crisp parameters. However, fuzzy relationships are more appropriate for describing the relationships between dependent and independent variables; these relationships require less data than traditional models to generate reasonable estimates of parameters. Therefore, we have combined fuzzy regression with the logistic and Gompertz models to develop a quadratic-interval Gompertz model and a quadratic-interval logistic model, and we applied the models to three cases. Our practical application of the two models shows that they are appropriate tools that can reveal the best and worst possible sales volume outcomes.     

不完全信息下军事冲突态势的模糊过程分析

本文以军事冲突决策为研究背景 ,给出了在不完全信息下 ,局中人处在冲突态势改变过程是一个模糊集上的马尔柯夫过程时状态转移的预测模型 ,并且探讨了当状态转移的无后效应是模糊概念时模糊马尔柯夫链状态转移的预测模型     

Forecasting portfolio returns using weighted fuzzy time series methods

We propose using weighted fuzzy time series (FTS) methods to forecast the future performance of returns on portfolios. We model the uncertain parameters of the fuzzy portfolio selection models using a possibilistic interval-valued mean approach, and approximate the uncertain future return on a given portfolio by means of a trapezoidal fuzzy number. Introducing some modifications into the classical models of fuzzy time series, based on weighted operators, enables us to generate trapezoidal numbers as forecasts of the future performance of the portfolio returns. This fuzzy forecast makes it possible to approximate both the expected return and the risk of the investment through the value and ambiguity of a fuzzy number.We incorporate our proposals into classical fuzzy time series methods and analyze their effectiveness compared with classical weighted fuzzy time series models, using historical returns on assets from the Spanish stock market. When our weighted FTS proposals are used to point-wise forecast portfolio returns the one-step ahead accuracy is improved, also with respect to non-fuzzy forecasting methods.     

2000年厦门港货物吞吐量预测

本文是《厦门港及附近水域交管系统应用研究》课题中关于港口货物吞吐量预测的部分。这一课题已通过专家鉴定。文中应用回归模型预测2000年厦门港货物吞吐量。通过从多个解释变量中选择合适的解释变量，可获得较好的预测结果。其结果说明在应用数学模型预测时，最为关键的是模型、变量和数据三者之间的相互适应，而不在于模型的复杂程度，特别是在历史数据不多的情况下更是如此。     

Predicting Time-Dependent Distributions of Queues and Delays for Road Traffic at Roundabouts and Priority Junctions

Vehicle queues and delays at busy road junctions have to be treated time-dependently when the traffic demand and the available capacity are approximately equal. Existing methods allow the queue length at a given time to be directly estimated as an average over all possible evolutions of the queueing system consistent with the given initial conditions and the time-dependent arrival and service rates. The paper describes the development of methods to predict the underlying distributions. Estimates of the variance and the overall frequency distribution for queue length and delay are obtained by simulating an M/M/1 queueing model with parameters varying with time. Predictive models are developed to represent the simulation results. They require as input values of parameters describing the duration of the peak and the time-average traffic intensities and capacities.     

基于组合模型的武隆景区长期游客流量预测

由于某景区经营权回购需进行景区游客量长期预测。为克服长期预测的不确定性,我们采用基于旅游地环境容量的LOGISTIC模型和考虑客源地旅游需求的回归迭代模型进行组合预测。前者包含旅游地的环境容量限制参数,主要基于供给制约因素结合时间序列数据进行预测。后者主要从客源地的人均收入、价格水平、价格弹性和收入弹性进行预测。然后整合两模型进行组合预测,对两种预测结果进行加权得到组合预测游客流量,很好地解决了集成旅游地环境容量、"申遗"前后与高速公路通车前后游客量变化、游客时间序列规律、客源地人均可支配收入、旅游地吸引力和旅游地生命周期等众多因素进行长期预测的问题。预测结果作为政府部门经营权回购中补偿额确定的主要依据,已被采用。