APP下载

一种修正的灰色模型在交通量预测中的应用

2012-08-20杨慧,王峥

郑州铁路职业技术学院学报 2012年1期
关键词:模型

杨 慧,王 峥

(郑州铁路职业技术学院,河南 郑州 450052)

灰色系统理论中应用最广泛的GM(1,1)模型,由于其所需样本数据较少,运算方便,短期预测精度较高等优点,已成功地应用于社会、经济等各个领域[1-9]。但对于既有总体变化趋势又有波动性的数据序列,GM(1,1)模型预测精度不高[3-6]。为了提高GM(1,1)模型的预测精度,一些学者在这方面做了许多工作,提出了一些改进的方法[1、2、5、6],如残差修正模型、遗传算法等。残差GM(1,1)模型要求残差尾段必须有相同的符号,对于既有总体变化趋势又有波动性的数据序列,这个条件很难得到满足。遗传算法具有模仿多种函数的能力,特别适合对GM(1,1)模型进行残差修正,但遗传算法需要有足够多的学习样本来训练这个网络,当样本数量较少时,预测的精度也不太理想。

在没有安装检测器的路段,交通流量数据的获得只能靠人工计数来完成,不可能获得大量的数据。陈淑艳、陈家胜[2]将GM(1,1)模型与遗传算法结合起来应用于交通量的预测,取得了比孙燕、陈森发[3]等人更好的结果,但受样本数量较少的限制,预测的精度仍不太理想。对既有总体变化趋势又有波动性的数据序列,笔者先用GM(1,1)模型筛选出趋势成份,然后对实际值与拟合值的差值构成的残差序列,作Fourier变换,提取出周期波动成份,最后将二者叠加,进行残差修正,将该方法应用于实际,效果比较理想。

1GM(1,1)模型的建立

1.1 传统的GM(1,1)模型

设 X(0)=x(0)(1),x(0)(2),…,x(0)(n(

))为非负的原始数据序列,其1-AGO为:

X(1)的近邻生值生成序列为

若原始数据序列X(0)满足:

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用