基于分数阶GM（1，1）模型的高速公路交通量预测
100 积分
50
评分
4.6 积分- 详情
- 2021-08-07
- 简介
pdf
- 448KB
- 页数 2P
- 阅读 81
- 下载 35
传统的GM（I，1）模型在仿真和模拟时对原始数据序列依赖度很高，使得在有一定扰动的原始序列数据，会使得在预测高速公路交通量时存在与真实值便宜度过大，并且运算复杂，为解决这一问题，采用分数阶累加的方式获得分数阶累加值，这样就能减弱原始数据中扰动对仿真和预测值的影响，有效的提高了预测的准确度。应用实例分析，表明0．5阶GM（I，1）模型的平均相对误差为7．71％和0．1阶GM（1，1）模型的平均相对误差为7132％优于传统的GM（I，11仿真预测模型的平均相对误差11．21％。
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
基于分数阶GM（1，1）模型的高速公路交通量预测 448KB
基于分数阶GM（1，1）模型的高速公路交通量预测 448KB
基于改进加权灰色GM(1,1)模型的高速公路交通量预测 103KB
基于宏观经济因素的中国高速公路交通量增长预测模型 348KB
基于风险分析的高速公路交通量预测模型 637KB
高速公路运营期的交通量预测模型 92KB
高速公路运营期的交通量预测模型 92KB
基于BP神经网络的高速公路交通量预测 121KB
基于BP神经网络的高速公路交通量预测 550KB
基于GM(1,1)模型的公共交通运量预测 152KB