共查询到19条相似文献,搜索用时 171 毫秒
1.
本文在对我国航空运输发展简要分析的基础上,基于灰色系统理论及其建模思想,利用民航相关数据构建灰色预测模型,进行航空运输总周转量、旅客运输量和贷邮运输量三项主要生产指标预测。所得基本结论为:利用灰色系统建立航空运输预测模型适宜,预测精度较高,预测结果可作为民航政府部门进行宏观调控、航空运输企业进行经营决策的参考信息。 相似文献
2.
机场旅客吞吐量是机场企业最重要的生产指标,目前还没有一种行之有效的方法来对其进行预测。灰色模型由于需要的原始数据较少,精度较高等优点,能满足预测的要求。探索灰色模型在机场旅客吞吐量预测中的应用可以在很大程度上促进机场企业的发展,提高其经济效益。本文讨论了灰色模型GM(1,1)及其改进模型在机场旅客吞吐量预测中的应用,提出了适合普通周及特殊周机场旅客吞吐量的数据处理方法,提高了预测的精度。 相似文献
3.
简述了灰色预测理论的特点、灰色GM(1,1)预测模型的建模过程及后验差检验的方法,以1996年1月~1997年4月期间全国民航B737型飞机的使用困难千时率为原始统计数据,建立灰色GM(1,1)预测模型,经检验模型的精度达到了1级精度。结果表明,模型的预测结果比较可靠,这对于改进民用航空器产品的设计,提高民用航空器的安全运营可靠性有一定作用。 相似文献
4.
5.
基于支持向量回归的机场旅客吞吐量预测 总被引:2,自引:0,他引:2
在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。 相似文献
6.
为提高后疫情时期的机场旅客吞吐量预测精度,通过CEEMDAN算法将旅客吞吐量原始序列分解为若干不同频率的分量,检验各分量序列的平稳性,对平稳序列建立ARMA预测模型,非平稳序列通过构建DBSCAN-Adaboost强预测器进行预测,将各分量预测结果重组,得到社会常态化发展背景下的机场吞吐量预测值。以新冠疫情散发点个数、疫情散发点区位因子为变量建立疫情影响因子修正模型,对南京机场2020—2022年疫情期间的客流量预测结果表明,新组合模型能够较为准确地量化疫情对机场客流的影响程度,为机场旅客吞吐量预测提供了新方法。 相似文献
7.
8.
本文利用灰色预测的方法通过对1970-1998年辽宁省工业总产值指数的灰色分析,建立辽宁省工业总产值指数的灰色预测模型。并通过后验差检验。给出预测精度等级。 相似文献
9.
当前中国公务航空在快速发展的同时也受到多方面因素的制约,针对此特点,结合灰色预测与马尔可夫链理论的优点,尝试对中国公务机的需求量进行预测。首先对原始时间序列进行改进处理,建立了GM(1,1)模型,然后用马尔可夫模型对预测值予以修正。实验结果表明,改进后的灰色马尔可夫模型预测精度有了进一步提高,能较好地应用于中国公务机市场需求量的预测,且改进方法便于操作,有较高的实用性。 相似文献
10.
11.
首都机场飞行流量的灰色区间预测 总被引:2,自引:0,他引:2
首都机场是中国航班最为密集的机场之一,科学准确地预测飞行流量的发展趋势,是首都机场各级决策部门制定发展规划的重要依据。区间预测相对于以往的单一值预测而言,能更好地反应出飞行流量的长期发展趋势,为辅助决策提供了一定的选择余地。针对飞行流量的长期预测存在影响因素较多、相关数据不足等特点,提出了以GM(1,N)模型为基础的灰色区间预测新模型,该模型利用指数回归模型得出的地区GDP的长期预测值,预测出年飞行流量未来的取值区间。通过对首都机场年飞行流量的仿真计算,说明该模型能够较好地显示出飞行流量的发展趋势。 相似文献
12.
13.
分析和预测天津滨海机场的吞吐量 总被引:2,自引:1,他引:2
将天津纳入京津冀经济圈中,用经济学原理分析了天津机场吞吐量流失的原因;用回归预测分析方法预测了天津机场的理论吞吐量,提出天津机场应当采取必要的措施以提高吞吐量水平。 相似文献
14.
15.
16.
17.
针对当前的山体滑坡监测技术监测精度低、实时性差、自动化程度低的问题,提出了一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测技术。该技术使用抗差自适应Kalman滤波技术,对包括实时动态(RTK)载波相位差分定位数据、无人机摄影测量数据、土工带传感器数据在内的多源数据进行融合分析,将滑坡形变监测精度提高到了mm级。RTK技术和土工带传感器的使用克服了天气状况、植被覆盖对滑坡监测的影响。使用灰色预测理论对山体滑坡监测点进行形变预测,结合蠕变切线角判据,该技术实现了对山体滑坡预警等级的划分。仿真实验结果显示,该山体滑坡监测技术能够成功实现山体滑坡预测预警功能。 相似文献
18.
基于灰色理论的自适应多参数预测模型 总被引:2,自引:0,他引:2
故障预测对保障武器装备安全可靠工作具有重要意义。但是,用于武器装备故障诊断和预测的数据往往是小样本、多特征参数数据,当前主要的故障预测方法在实际故障预测中虽取得了一定的效果,但均存在不足之处。本文基于灰色预测建模理论,分析了GM(1,1)预测建模中的不足,考虑多个特征参数间的相互关系以及预测序列的实际特点,修正了初始值和背景值,建立了小样本情况下的自适应多特征参数预测模型,并以某型飞机发动机的多特征参数的仿真数据为例进行了预测分析,结果表明该模型具有很好的预测精度,证明了该模型的有效性。 相似文献
19.
用于电子设备或系统辐射发射趋势预测的数据大多呈现非线性、样本量小的特点,这大大增加了预测建模的难度,而经验模态分解(EMD)可以将非线性、非平稳的数据分解成若干个呈现一定周期性的本征模态函数(IMF),并且EMD具有完备性和正交性,可通过分别对分解得到的IMF分量建模,从而完成对原始数据的建模。但EMD被端点效应问题所困扰,为了提高EMD的分解精度,针对分解过程中的端点效应问题,以及辐射发射趋势预测的时间序列数据样本量小的特点,利用建立灰色均值GM(1,1)预测模型所需数据量小的优点,提出了一种基于灰色均值GM(1,1)预测模型的边界延拓方法,在原始数据两端各拓展一个极大值和一个极小值,对原始数据进行边界延拓,从而抑制EMD的端点效应。仿真对比结果表明:该方法在分解层数和平均相对误差方面均优于未经延拓处理的EMD,且对数据样本量要求不高。 相似文献