基于改进的GM(1,N)货运量预测模型

被引：10

作者：

宋建强

鲍学英

王起才

机构：

[1] 兰州交通大学土木工程学院

来源：

铁道科学与工程学报 | 2017年 / 14卷 / 01期

关键词：

GM(1,N)模型; 货运量; 预测;

D O I：

10.19713/j.cnki.43-1423/u.2017.01.027

中图分类号：

U294.13 [];

学科分类号：

1201 ;

摘要：

针对传统的GM(1,N)模型在进行货运量预测时存在误差较大的情况,应用等维灰度递补的思想,通过对传统GM(1,N)模型进行改进,将新的预测数据替换最初的数据,提出一种改进的GM(1,N)模型。通过2种模型预测结果的对比分析可以看出:改进的GM(1,N)模型在预测精度方面较传统的GM(1,N)模型有大幅度提高。该模型能够更加及时、准确地反映数据的变化,且计算简便、精度较好,在货运量预测领域有着较高的实用及研究价值。

引用

页码：180 / 183

页数：4

共 9 条

[1] 基于GM(1,1)模型的陕西省货运量预测分析 [J].

张福玲 .

物流技术, 2015, 34 (15) :161-162

[2] 基于改进的GM(1,1)的长期交通量预测模型 [J].

高连生 ;

易诞 ;

毛娜 ;

李亮 .

铁道科学与工程学报, 2015, (01) :203-207

[3] 基于径向基神经网络的铁路客货运量预测研究 [J].

吴华稳 ;

甄津 ;

王宇 ;

王富章 .

铁道科学与工程学报, 2014, 11 (04) :109-114

[4] 基于改进BP神经网络的铁路货运量预测 [J].

朱文铜 .

石家庄铁道大学学报(自然科学版), 2014, 27 (02) :79-82

[5] 基于GM(1,n)和BP神经网络模型的锦州站货运量预测 [J].

于丽 .

物流工程与管理, 2014, 36 (02) :56-57

[6] BP神经网络在新疆货运量预测中的应用 [J].

张艳云 ;

艾力·斯木吐拉 .

交通标准化, 2011, (17) :144-147

[7] 新陈代谢和GM(1,1)模型在深圳货运量预测中的应用研究 [J].

李维国 ;

王耀球 ;

周凌云 .

北京交通大学学报(社会科学版), 2010, 9 (02) :48-51

[8]

货运量预测方法及应用研究[D]. 陈实.武汉理工大学. 2008

[9]

A comparison of models for forecasting the Baltic freight index:Box-Jenkins revisited .2 Cullinane,K,Mason,K. J,Cape,M. B. International Journal of Maritime Economics . 1999

← 1 →