论文部分内容阅读
在深入分析各种货运量预测模型的基础上，首先提出了基于云理论的新的不确定性推理模型——T—S—C—Y模型；然后基于灰色关联理论对货运量及其相关因素进行了灰关联分析，并确定影响货运量诸多因素的灰关联序；在此基础上结合一维T—S—C—Y模型和径向基函数神经网络建立了货运量预测模型对河南省1997～2002年的货运量进行预测。该预测模型既能很好地集成概念的模糊性和随机性，同时又具有自学习、自组织、自适应和强的容错能力，而且预测输出结果为置信区间值，能够很好地适应货运量的高度不确定性。结果表明模型的预测值基本上与实