灰色预测检验.docx

道路交通事故灰色VerhUlSt预测模型网灰色预测是通过原始数据的处理和灰色模型的建立，发现和掌握系统发展规律，对系统的未来状态做出科学的定量预测。目前应用较多的灰色预测模型是GM(1,1)模型、灰色马尔可夫预测模型等，可用于预测交通事故发生次数、死亡人数、受伤人数和财产损失等指标。GM(1)模型适用于具有较强指数规律的序列，只能描述单调的变化过程。但是道路交通系统是一个动态的时变系统，道路交通事故作为道路系统的行为特征量，具有一定的随机波动性，它的发展呈现某种变化趋势的非平稳随机过程，因此可建立交-563-通事故灰色马尔可夫预测模型，以提高预测精度。但灰色马尔可夫预测模型的应用难点是如何进行状态划分，故对于非单调的摆动发展序列或具有饱和状态的S形序列，Verhulst模型，GM(2,1)模型等更适用。Verhulst模型主要用来描述具有饱和状态的过程，即S形过程，常用于人口预测、生物生长、繁殖预测及产品经济寿命预测等。近年来中国道路交通事故表现为具有饱和状态的S形过程，故可采用VerhUlSt模型对其进行预表5谡是检验表平均相对误差A关联度r均方差比值C小误差概率P0.03130.98150.22021表6常用的精度等级表等级平均相对误差A关联度r均方差比值C小误差概率P级0.010.900.350.95二级0.050.800.50.80三级0.100.700.650.70四级0.200.600.800.60把误差检验表跟常用的精度等级表对比可知，模型的等级接近一级，也即是说，该模型的拟合精度很高，可用来预测。3.模型2BP神经网络预测模型附件中根据污染程度不同把水质状况分为六类，可以分别针对各类水质状况的河流长度比例在未来十年的变化进行预测。得到未来六类不同水质河长比例的变化，从而可以全面显示未来十年污染趋势的变化针对第i类污染程度的河流长度比例进行分析，首先选择输入数据，不同水质河长的比例必然同长江流域内的排污量有关，而未来十年的排污量已经由灰色模型预测得到。另外根据对附件中数据的分析，长江的污染程度表现出某种周期性的波动，可以预测不同水质河长的比例应有关于时间上的规律，因此输入数据中可以用待预测当年前三年的数据来显示这种波动。从而建立了四个输入变量个输出变量的三层神经网络，IiS层选择目前并没有可靠的成熟理论.可根据数据的复杂度尝试不同的隐层节点数目。本文中选择的网络拓扑结构图,如图5