-
题名基于无偏灰色模糊马尔可夫链法的铁路货运量预测研究
被引量：30
- 1
-
-
作者
谢建文
张元标
王志伟
-
机构
暨南大学珠海学院数学建模创新实践基地
暨南大学珠海学院计算机科学与技术系
暨南大学包装工程研究所
-
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2009年第1期1-7,共7页
-
基金
国家自然科学基金资助项目(50775100)
-
文摘
针对传统灰色马尔可夫预测模型存在灰色偏差与抗干扰能力弱的局限性,将无偏灰色理论与模糊集合理论引入预测模型,从趋势曲线灰色拟合与状态分类方式上对传统灰色马尔可夫模型进行改进,提出无偏灰色模糊马尔可夫链预测铁路货运量的方法,并结合"十一五"期间中国铁路货运量和货运市场发展趋势的预测分析,详细阐述了该方法的具体应用,最后使用定性分析对该方法的预测结果进行检验与讨论。理论分析和算例表明,该方法有更可靠的预测结果,并且能够对铁路货运市场的发展趋势进行宏观的把握,有利于决策者的决策行为。
-
关键词
铁路货运量预测
灰色马尔可夫
无偏GM(1
1)
模糊分类
无偏灰色模糊马尔可夫链预测
-
Keywords
railway freight volume forecasting
Grey-Markov model
unbiased GM（1,1）
fuzzy classification unbiased grey-fuzzy-markov chain method
-
分类号
U294.13
[交通运输工程—交通运输规划与管理]
-
-
题名知识嵌入的贝叶斯MA型模糊系统
被引量：2
- 2
-
-
作者
顾晓清
王士同
-
机构
江南大学数字媒体学院
常州大学信息科学与工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2017年第5期998-1011,共14页
-
基金
国家自然科学基金项目(61572236,61502058,61572085)
江苏省自然科学基金项目(BK20160187)
+1 种基金
中央高校基本科研业务费专项资金项目(JUSRP51614A)
江苏省高校自然科学基金项目(15KJB520002)~~
-
文摘
模糊系统的独特优势在于其高度的可解释性,然而传统的基于聚类的模糊系统往往需要使用输入空间的全部特征且常出现模糊集交叉的现象,系统的可解释性不高;此外,此类模糊系统对高维数据处理时还会因使用大量的特征而使规则过于复杂.针对此问题,探讨了一种知识嵌入的贝叶斯MA型模糊系统(knowledge embedded Bayesian Mamdan-Assilan type fuzzy system,KE-B-MA).首先,KEB-MA使用DC(dont care)方法进行知识嵌入的模糊集划分,对模糊隶属度函数中心和输入空间特征的选择进行有效指导,其获得的规则可对应于不同的特征空间.其次,KE-B-MA基于贝叶斯推理使用马尔可夫蒙特卡洛(Markov chain Monte Carlo,MCMC)方法对模糊规则的前后件参数同时学习,所得结果为全局最优解.实验结果表明:与一些经典模糊系统相比,KE-B-MA具有令人满意的分类性能且具有更强的可解释性和清晰性.
-
关键词
分类
贝叶斯推理
Mamdan-Assilan型模糊系统
知识嵌入
马尔可夫链蒙特卡洛方法
-
Keywords
classification
Bayesian inference
Mamdan-Assilan type fuzzy system
knowledge embedded
Markov chain Monte Carlo（MCMC） method
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
