Verhulst模型的改进研究

分析Verhulst预测模型的特点,并对灰色Verhulst预测模型的灰色微分方程定解问题中存在的初值问题提出了改进方案,其为提高模型的预测精度提供了一种新的途径.     

基于新陈代谢和Verhulst灰色模型的山西省人口老龄化趋势预测北大核心

通过选取2005-2013年山西省常住人口及65岁以上人口数据,利用新陈代谢灰色模型对山西省未来老龄人口进行短期预测.并用灰色Verhulst模型对老龄人口进行了长期预测.新陈代谢灰色模型预测到2016年山西省常住人口为3799.10万,65岁及以上人口为323.98万,老龄化比重约为8.53%,灰色Verhulst模型预测到2020年65岁及以上人口为407.87万.模型检验结果表明:预测精度均为Ⅰ级,预测相对误差均较小,预测精度较高.     

基于新陈代谢和Verhulst灰色模型的山西省人口老龄化趋势预测

通过选取2005-2013年山西省常住人口及65岁以上人口数据,利用新陈代谢灰色模型对山西省未来老龄人口进行短期预测.并用灰色Verhulst模型对老龄人口进行了长期预测.新陈代谢灰色模型预测到2016年山西省常住人口为3799.10万,65岁及以上人口为323.98万,老龄化比重约为8.53%,灰色Verhulst模型预测到2020年65岁及以上人口为407.87万.模型检验结果表明:预测精度均为Ⅰ级,预测相对误差均较小,预测精度较高.     

基于初值修正的组合灰色Verhulst模型

对灰色Verhulst模型的拟合精度进行了分析,表明初值的选取对模型精度有重要影响.为提高灰色模型的拟合精度,利用最小二乘原理确定初值中的待定常数,给出了初值修正的灰色Verhulst模型.进一步利用修正模型和传统灰色Verhulst模型建立了组合灰色Verhulst模型,在平均相对误差最小的原则下,利用蚁群算法确定组合权系数.最后通过两个应用实例进行了计算和分析,结果表明,通过初值修正和组合模型能够提高灰色Verhulst模型的拟合精度,便于通过程序实现.     

灰色Verhulst模型的改进及其应用

针对灰色Verhulst模型的不足,讨论了灰色Verhulst模型的参数优化问题.首先,利用最小二乘原理给出了一种初值优化的改进模型.其次,在平均相对误差最小准则下,将Verhulst模型的参数优化转化为线性规划问题,然后利用粒子群优化算法估计Verhulst模型中的参数,得到另外一种改进模型.最后,给出了一个仿真实例,结果表明灰色Verhulst模型的改进方法是可行的和有效的,而且具有较高的拟合和预测精度.     

灰色Verhulst模型优化的新方法

通过分析传统灰色Verhulst模型利用倒数变换求解白化方程发现了灰色微分方程与白化方程不匹配而导致误差的根源,提出了直接对原始序列的一次累加序列作倒数变换后建立与倒数替换后的白化方程相匹配的灰色微分方程来估计参数a和b,并在此基础上将优化灰导数以改造灰色方程与利用平均相对误差最小为指标确定响应系数的方法相结合对模型进行了优化.结果表明,该优化模型对其本身的时间响应函数所表达的曲线进行模拟和预测具有重合性.通过实例分析说明了优化模型使得传统模型的模拟预测精度得到明显的提高.     

基于改进的灰色马尔可夫链模型的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础.灰色预测适合于数据量少和波动小的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.为克服一般灰色马尔可夫链模型运用的转移概率矩阵固定不变而影响预测精度的问题,本文建立了改进的灰色马尔可夫链模型.采用滑动转移概率矩阵方法,去掉最老数据并补充最新数据,从而建立新的一步转移概率矩阵.借助改进的灰色马尔可夫链模型,对全国2002-2004年交通事故10万人口死亡率进行了预测分析.结果表明,改进的灰色马尔可夫链模型比一般灰色马尔可夫链模型的预测范围更准确,预测精度更高.     

基于灰色拓扑的中国交通事故死亡人数预测模型

在对我国108个月(2003年1月-2011年12月)交通事故死亡人数统计资料时序分布特征分析基础上,选取一组阈值,建立不同阈值所对应的时间序列GM(1,1)模型群,基于灰色拓扑预测理论方法,同时运用MATLAB软件,对我国交通事故死亡人数进行了分析预测,用此模型群对未来可能出现一定阈值范围内死亡人数的年份和月份进行预测.结果表明,所建立的灰色拓扑预测模型的检验精度都达到"好"的标准,可供交通部门参考.     

白化方程优化的一类灰色Verhulst模型

通过对灰色Verhulst模型中白化方程的优化,以及利用新信息原理,得到一种改进的灰色Verhulst模型.最后,实例结果表明,该改进模型可以有效提高预测精度,从而拓宽了预测模型的使用范围.     

基于区间灰数的离散Verhulst直接模型

灰色预测模型既有的研究成果,主要是围绕"实数"为建模对象的经典灰色预测模型,而对于以区间灰数为预测对象的探讨相对比较缺乏.针对传统Verhulst模型建模对象仅局限于实数序列这一缺陷,对Verhulst模型进行了拓展.对此,文章分析了传统Verhulst模型不足,提出了离散Verhulst直接模型;然后,构建了基于核和信息域的离散Verhulst直接模型,使区间灰数信息无偏的转换成实数信息,同时有效避免了原有的根据"灰度不减公理"按照取大准则确定预测值得灰度或信息域的计算性误差.最后,通过实例分析表明提出的新模型的有效性和实用性.     

农业生产中化肥需要量的灰色预测

在分析了ＧＭ（１，１）模型局限性的基础上，推荐使用灰色Ｖｅｒｈｕｌｓｔ模型．在本文中，灰色Ｖｅｒｈｕｌｓｔ模型比ＧＭ（１，１）模型预测精度高，能广泛应用到实际问题中。     

基于SD-VF理论的城市限行政策效应研究

随着我国城市化进程不断加快,城市交通供需矛盾日益突出,交通拥堵问题愈发严重,我国各地纷纷实行各种政策措施来缓解交通拥堵。本文以北京市为例,针对城市交通拥堵的现象,从系统的角度出发,运用系统动力学与灰色Verhulst预测相结合的方法(SD-VF),建立城市交通治堵模型,并采用Vensim软件对模型进行动态仿真分析,从经济、社会、环境等方面探究政策措施对城市环境生态承载力、道路生态承载力等的影响。研究结果表明,限行限号政策虽然在一定程度上提高道路生态承载力,但也可能引发“悖论”效应;修路政策并没有根本上解决城市交通拥堵问题,仅仅是把拥堵状况向后推迟;而相对于单一政策,将发展公共交通与限行政策相结合可以有效缓解交通拥堵,改善空气质量,提升环境承载力,是更加科学合理的政策措施。     

A new-structure grey Verhulst model: Development and performance comparison

The structure defect of the traditional grey Verhulst model is a key factor leading to its unstable performance. A new-structure grey Verhulst model (N_Verhulst) was proposed by introducing a new non-homogeneous exponential function. The N_Verhulst model has a better structure and stronger modeling ability; Meanwhile, it overcomes the shortcomings of the traditional Verhulst model including parameter dislocation and unreasonable selection of initial values. Four typical cases were used to test the performance of N_Verhulst, and the simulation/prediction results of the new model were compared with the traditional Verhulst model and the Pearl model. Results showed that the N_Verhulst model had evidently superior performance to the traditional grey Verhulst model, which confirms that the structure development of the new model is reasonable and effective.     

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。     

初值修正灰色Verhulst模型的参数估计

研究了初值修正项为αz(1)(1)(其中α为修正参数)的灰色Verhuslt模型的修正参数估计方法.针对相关文献中,修正参数α求解无现成公式情况,通过最小化原始序列的一次累加序列与模拟序列之差,建立并求解一个非约束优化模型,获得了初值修正参数α的一个简单有效的计算公式,完善了相关文献中建立的初值修正灰色Verhuslt模型.最后,通过计算实例验证了修正参数公式可以有效提高初值修正灰色Verhuslt模型的精度.     

公共聚集场所特大火灾的灰色拓扑预测模型

根据1991年至2006年间中国公共聚集场所火灾统计资料,针对公共聚集场所特大火灾影响因子的不确定性和数据的波动性,运用灰色拓扑预测方法探讨了公共聚集场所特大火灾发生的规律,并建立灰色拓扑预测模型,预测未来5年内火灾发生情况.结果表明,所建立的灰色拓扑预测模型的检验精度都达到"好"的标准.因此采用灰色拓扑预测模型对中国公共聚集场所特大火灾发生情况进行预测结果比较可靠,可供消防部门参考.     

基于标准区间灰数的发展带离散DDGM预测模型

由于区间灰数运算体系尚不完善,灰数间的代数运算将导致结果灰度增加,难以有效构建基于"区间灰数"的灰色发展带预测模型.对此,通过将区间灰数进行标准化处理,分解成基于实数形式的"白部"和"灰部"两个部分;然后分别对"白部"和"灰部"建立发展带预测模型,再推导并还原得到区间灰数的发展带预测模型;最后,将模型用于摆动幅度大且整体趋势增长的区间灰数在未来时刻的预测,预测效果验证了所提出模型的有效性.     

基于白化权函数的区间灰数预测模型

针对传统灰色预测模型无法进行白化权函数已知的区间灰数预测的缺陷,通过先将区间灰数进行标准化处理,分解成实数形式的"白部"和"灰部",然后分别对"白部"和"灰部"序列进行预测.再将已知的白化权函数映射为[0,1]区间上的函数,并用函数的面积和重心估计出预测值的白化权函数.模型不仅能解决典型白化权函数的类型,还能解决三角白化权函数的情况,且建模机理简单,计算简便.最后,将模型应用于黄河宁蒙河段巴彦高勒站的凌期日均流量的预测,验证了新模型的有效性及实用性.     

An improved seasonal rolling grey forecasting model using a cycle truncation accumulated generating operation for traffic flow

Accurate real-time prediction of urban traffic flows is one of the most important problems in traffic management and control optimization research. Short-term traffic flow has complex stochastic and nonlinear characteristics, and it shows a similar seasonality within intraday and weekly trends. Based on these properties, we propose an improved binding cycle truncation accumulated generating operation seasonal grey rolling forecasting model. In the new model, the traffic flow sequence of seasonal fluctuation is converted to a flat sequence using the cycle truncation accumulated generating operation. Then, grey modeling of the cycle truncation accumulated generating operation sequence weakens the stochastic disturbances and highlights the intrinsic grey exponential law after the sequence is accumulated. Finally, rolling forecasts of the limited data reflect the new information priority and timeliness of the grey prediction. Two numerical traffic flow examples from China and Canada, including four groups at different time intervals (1 h, 15 min, 10 min, and 5 min), are used to verify the performance of the new model under different traffic flow conditions. The prediction results show that the model has good adaptability and stability and can effectively predict the seasonal variations in traffic flow. In 15 or 10 min traffic flow forecasts, the proposed model shows better performance than the autoregressive moving average model, wavelet neural network model and seasonal discrete grey forecasting model.