优化灰色GM(1,N)-加权Markov模型在道路交通噪声预测中的精度研究
|
摘要
通过对北京市2007年至2016年城市道路交通噪声及相关影响因素数据分析,以GM(1,N)模型为基础,建立了优化灰色-加权Markov模型,为有效控制交通噪声污染提供理论依据和决策意见。首先,利用平滑公式对原始数据进行预处理,用数值积分中的Simpson公式改变背景值来提高传统多因素GM(1,N)模型精度。其次,用加权Markov模型对得到的模拟值中的异常值进行了修正,将其应用到城市交通噪声的预测上,实证计算表明优化灰色GM(1,N)模型的模拟值与实际值拟合效果很好,比传统的GM(1,N)模型精度有较大提高。最后,用该模型对北京市2017年和2018年城市交通噪声进行预测,基本符合噪声数据实际变化趋势。
Based on the analysis of urban road traffic noise and related influencing factors from 2007 to 2016 in Beijing,the study establishes an optimized grey-weighted Markov model based on GM( 1,N) model,which provides a theoretical basis and decisive suggestions for effective control of traffic noise pollution.Firstly,it uses the smoothing formula to preprocess the original data,and uses the Simpson formula in numerical integration to change the background value to improve the accuracy of the traditional multi-factor GM( 1,N) model.Secondly,the outliers in the simulated values obtained by the weighted Markov model are modified and applied to the prediction of urban traffic noise. Empirical calculation shows that the simulated value of the Optimized Grey GM( 1,N) model fits the actual value very well,and the accuracy of the model is much higher than that of the traditional GM( 1,N).Finally,the model is used to predict the urban traffic noise in Beijing in2017 and 2018,and it basically accords with the actual trend of noise data.
Based on the analysis of urban road traffic noise and related influencing factors from 2007 to 2016 in Beijing,the study establishes an optimized grey-weighted Markov model based on GM( 1,N) model,which provides a theoretical basis and decisive suggestions for effective control of traffic noise pollution.Firstly,it uses the smoothing formula to preprocess the original data,and uses the Simpson formula in numerical integration to change the background value to improve the accuracy of the traditional multi-factor GM( 1,N) model.Secondly,the outliers in the simulated values obtained by the weighted Markov model are modified and applied to the prediction of urban traffic noise. Empirical calculation shows that the simulated value of the Optimized Grey GM( 1,N) model fits the actual value very well,and the accuracy of the model is much higher than that of the traditional GM( 1,N).Finally,the model is used to predict the urban traffic noise in Beijing in2017 and 2018,and it basically accords with the actual trend of noise data.
引文
[1]邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2002:221-233.
[2]罗党,刘思峰,党耀国.灰色模型GM(1,1)优化[J].中国工程科学,2003,5(8):50-53.
[3]谢乃明,刘思峰.离散灰色模型的拓展及其最优化求解[J].系统工程理论与实践,2006,26(6):108-112.
[4]LIU S,FORREST J.The role and position of grey system theory in science development[J].The journal of grey system,1997,9(4):351-356.
[5]芮海田,吴群琪,袁华智,等.基于指数平滑法和马尔科夫模型的公路客运量预测方法[J].交通运输工程学报,2013,13(4):87-93.
[6]许秀莉,罗建.GM(1,1)模型的改进方法及其应用[J].系统工程与电子技术,2002,24(4):61-63.
[7]党耀国,刘思峰,刘斌.以x(1)(n)为初始条件的GM模型[J].中国管理科学,2005,13(1):132-136.
[8]宋中民,同小军,肖新平.中心逼近式灰色GM(1,1)模型[J].系统工程理论与实践,2001,21(5):110-113.
[9]李俊峰,戴文战.基于插值和Newton-Cores公式的GM(1,1)模型的背景值构造新方法与应用[J].系统工程理论与实践,2004,24(10):122-126.
[10]江南,刘小洋.基于Gauss公式的GM(1,1)模型的背景值构造新方法与应用[J].数学的实践与认识,2008,38(7):90-94.
[11]吴利丰,刘思峰,姚立根.基于分数阶累加的离散灰色模型[J].系统工程理论与实践,2014,34(7):1822-1827.
[12]党耀国,魏龙,丁松.基于驱动信息控制项的灰色多变量离散时滞模型及其应用[J].控制与决策,2017,32(9):1672-1680.
[13]毛树华,高明运,肖新平.基于Gauss公式的GM(1,1)模型的背景值构造新方法与应用[J].系统工程理论与实践,2015,35(2):430-436.
[14]张可,曲品品,张隐桃.时滞多变量离散灰色模型及其应用[J].系统工程理论与实践,2015,35(8):2092-2103.
[15]王正新.灰色多变量GM(1,n)幂模型及其应用[J].系统工程理论与实践,2014,34(9):2357-2363.
[16]张熙胤,陈兴冲,王常峰.多变量GM(1,n)模型在桥梁施工挠度控制中的应用[J].世界桥梁,2013,41(5):76-80.
[17]樊超,郭亚菲,曹培格,等.基于灰色-马尔科夫模型的粮食产量预测[J].江苏农业科学,2018,46(9):346-349.
[18]侯月,廖基定.基于马尔科夫过程修正的湖南洪涝灾变灰预测研究[J].南华大学学报(自然科学版),2017,31(4):95-100.
[19]沈艳,孙红影,李丽萍.优化GM(1,n)模型在交通噪声预测中的应用和精度分析[J].中国安全生产科技技术,2012,8(11):27-31.
[20]何满喜,王勤.基于Simpson公式的GM(1,n)建模的新算法[J].系统工程理论与实践,2013,33(1):199-202.
[21]杨杰,翁文国.基于改进无偏灰色模型的燃气供气量的预测[J].清华大学学报(自然科学版),2014,54(2):145-148.
[22]宁宣熙,刘思峰.管理预测与决策方法[M].2版.北京:科学出版社,2009:113-145.
[23]PENG Z,BAO C,ZHAO Y.Weighted markov chains for forecasting and analysis in incidence of infectious diseases in Jiangsu province,China[J].Journal of biomedical research,2010,24(3):207-214.
[24]张祥,陈军,陆雨,等.降水量的加权型马尔科夫模型预测[J].气象水文海洋仪器,2018,35(2):18-20.
[25]曹彦,何东进,洪伟,等.加权马尔科夫链在福建省森林火灾预测中的应用研究[J].西南林业大学学报,2014,34(3):62-66.
[26]金峻炎,陈进.加权马氏链在房地产投资回收期预测中的应用[J].湖南科技大学学报(自然科学版),2010,25(2):63-66.
[27]北京市统计局.北京市统计年鉴[M].北京:中国统计出版社,2007-2016.
[28]李辉,彭晓春,钟志强,等.灰色关联分析法在交通噪声影响因素分析中的应用[J].噪声与振动控制,2012,32(1):93-95.
[2]罗党,刘思峰,党耀国.灰色模型GM(1,1)优化[J].中国工程科学,2003,5(8):50-53.
[3]谢乃明,刘思峰.离散灰色模型的拓展及其最优化求解[J].系统工程理论与实践,2006,26(6):108-112.
[4]LIU S,FORREST J.The role and position of grey system theory in science development[J].The journal of grey system,1997,9(4):351-356.
[5]芮海田,吴群琪,袁华智,等.基于指数平滑法和马尔科夫模型的公路客运量预测方法[J].交通运输工程学报,2013,13(4):87-93.
[6]许秀莉,罗建.GM(1,1)模型的改进方法及其应用[J].系统工程与电子技术,2002,24(4):61-63.
[7]党耀国,刘思峰,刘斌.以x(1)(n)为初始条件的GM模型[J].中国管理科学,2005,13(1):132-136.
[8]宋中民,同小军,肖新平.中心逼近式灰色GM(1,1)模型[J].系统工程理论与实践,2001,21(5):110-113.
[9]李俊峰,戴文战.基于插值和Newton-Cores公式的GM(1,1)模型的背景值构造新方法与应用[J].系统工程理论与实践,2004,24(10):122-126.
[10]江南,刘小洋.基于Gauss公式的GM(1,1)模型的背景值构造新方法与应用[J].数学的实践与认识,2008,38(7):90-94.
[11]吴利丰,刘思峰,姚立根.基于分数阶累加的离散灰色模型[J].系统工程理论与实践,2014,34(7):1822-1827.
[12]党耀国,魏龙,丁松.基于驱动信息控制项的灰色多变量离散时滞模型及其应用[J].控制与决策,2017,32(9):1672-1680.
[13]毛树华,高明运,肖新平.基于Gauss公式的GM(1,1)模型的背景值构造新方法与应用[J].系统工程理论与实践,2015,35(2):430-436.
[14]张可,曲品品,张隐桃.时滞多变量离散灰色模型及其应用[J].系统工程理论与实践,2015,35(8):2092-2103.
[15]王正新.灰色多变量GM(1,n)幂模型及其应用[J].系统工程理论与实践,2014,34(9):2357-2363.
[16]张熙胤,陈兴冲,王常峰.多变量GM(1,n)模型在桥梁施工挠度控制中的应用[J].世界桥梁,2013,41(5):76-80.
[17]樊超,郭亚菲,曹培格,等.基于灰色-马尔科夫模型的粮食产量预测[J].江苏农业科学,2018,46(9):346-349.
[18]侯月,廖基定.基于马尔科夫过程修正的湖南洪涝灾变灰预测研究[J].南华大学学报(自然科学版),2017,31(4):95-100.
[19]沈艳,孙红影,李丽萍.优化GM(1,n)模型在交通噪声预测中的应用和精度分析[J].中国安全生产科技技术,2012,8(11):27-31.
[20]何满喜,王勤.基于Simpson公式的GM(1,n)建模的新算法[J].系统工程理论与实践,2013,33(1):199-202.
[21]杨杰,翁文国.基于改进无偏灰色模型的燃气供气量的预测[J].清华大学学报(自然科学版),2014,54(2):145-148.
[22]宁宣熙,刘思峰.管理预测与决策方法[M].2版.北京:科学出版社,2009:113-145.
[23]PENG Z,BAO C,ZHAO Y.Weighted markov chains for forecasting and analysis in incidence of infectious diseases in Jiangsu province,China[J].Journal of biomedical research,2010,24(3):207-214.
[24]张祥,陈军,陆雨,等.降水量的加权型马尔科夫模型预测[J].气象水文海洋仪器,2018,35(2):18-20.
[25]曹彦,何东进,洪伟,等.加权马尔科夫链在福建省森林火灾预测中的应用研究[J].西南林业大学学报,2014,34(3):62-66.
[26]金峻炎,陈进.加权马氏链在房地产投资回收期预测中的应用[J].湖南科技大学学报(自然科学版),2010,25(2):63-66.
[27]北京市统计局.北京市统计年鉴[M].北京:中国统计出版社,2007-2016.
[28]李辉,彭晓春,钟志强,等.灰色关联分析法在交通噪声影响因素分析中的应用[J].噪声与振动控制,2012,32(1):93-95.