基于FPSO灰色Verhulst模型的铁路货运量预测
- 详情
- 2021-04-27
- 简介
- 4.7MB
- 页数 8P
- 阅读 98
- 下载 35
为提高灰色Verhulst模型的预测精度,采用粒子群算法对灰色Verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用Fourier序列修正模型的误差,提出FPSO灰色Verhulst模型预测铁路货运量的方法.以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色Verhulst模型、GM(1,1)、径向基神经网络、FPSO灰色Verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测.结果表明,FPSO灰色Verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法.
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于灰色Verhulst模型的铁路货运量预测研究 2.4MB
基于FPSO灰色Verhulst模型的铁路货运量预测 500KB
基于FPSO灰色Verhulst模型的铁路货运量预测 4.7MB
基于无偏灰色Verhulst模型的铁路货运量预测研究 325KB
基于改进灰色-Markov模型的铁路货运量需求预测 124KB
基于灰色-马尔可夫链的铁路货运量预测研究 300KB
基于灰色Verhulst模型的建筑工后沉降预测 223KB
建筑垃圾产量灰色Verhulst预测模型 88KB
基于灰色关联和BP神经网络的铁路货运量预测方法 331KB
基于改进灰色-马尔可夫链方法的铁路货运量预测 651KB