西安地铁二号线客流量预测分析

城市的发展激化了交通需求与道路建设之间的矛盾,为了缓解这种矛盾,一些大中型城市将眼光瞄准了城市轨道交通。本文论述了客流量预测对于轨道交通规划的重要性,通过"四阶段"法,对西安地铁二号线的客流量进行预测。通过对预测结果的分析,简述影响城市轨道交通客流量预测结果的因素。     

基于灰色模型的铁路客流预测方法

铁路客流量的预测对于铁路交通业具有重要的实际意义,本文探讨应用灰色预测方法来预测铁路客流量的方法,并且通过对我国2007-2009年铁路客运量预测的实证分析,证明了此方法的可行性,并且检验了此方法的精确度,为准确预测铁路客流量提供了一种简便可行的分析预测方法.     

浅论人力资源预测与规划

本文主要阐述了人力资源的需求预测、存量与增量预测、结构预测和特种人力资源预测等内容,专家评判法、时间序列法、描述法等预测方法,制定人力资源规划,要树立正确的指导思想是做好人力资源规划的重要保证,确定规划的总目标和阶段性目标,确定规划的总体框架。     

需求预测综合模型及其与库存决策的集成研究

准确的预测有助于企业做出有效的决策,包括生产计划、定价和促销决策等,以减少库存、提高客户满意度和企业竞争力． 以快速消费品为研究对象,分析其需求影响因素,建立了时间序列分析与多元回归整合的需求预测综合模型; 将此预测模型引入到库存决策中,构建了基于库存成本最小的需求预测与库存决策集成模型,并借助变邻域搜索算法获得模型的参数值; 最后,选用实际数据,验证了所构建的需求预测综合模型、物流需求预测与库存决策集成模型及其求解方法的有效性．     

基于最小二乘的支持向量机在电力需求预测中的应用

文章针对常规电力需求预测方法的不足,在分析SVM的线性和非线性分类方法的基础上提出一种基于最小二乘的支持向量机预测方法.LS-SVM模型采用结构风险最小化原则,能够在对小样本学习的基础上,对其他样本快速、准确的拟合预测,具有更好的泛化性能和精度,减少对初始值的依赖.文章采用河北省某市实际的负荷数据,按照不同的负荷日属性和历史数据属性进行样本选择,使用径向基核函数进行了电力需求预测.将预测结果与真实值和由时间序列及BP神经网络方法得到的结论进行比较,表明所提出的预测模型具有较高的精度,是有效和可行的.     

基于广义模糊软集理论的云计算资源需求组合预测研究

论述了云计算资源需求预测的作用,提出了新的基于夹角余弦的广义模糊软集相似性度量方法,将相似性度量结果与预测精度相结合来获得各单项预测模型的权重,并针对云计算环境中资源需求所表现出的短期动态性和长期周期性特征,选用自适应神经模糊推理系统ANFIS和季节性ARIMA模型SARIMA作为单项预测模型,以此构建基于广义模糊软集理论的组合预测模型GFSS-ANFIS/SARIMA。最后将该模型用于云计算环境下的资源需求预测应用中去。实验结果表明,与其它预测模型相比,该模型能有效提高预测精度,具有良好的预测性能。本文所提方法能为云计算资源的高效调度和分配提供决策支持。     

南昌市公交客流量时间分布特征及预测

通过对南昌市公交不同时段的客流量调查,分析了不同时段客流量的特征,并运用回归分析预测了客流总量,得出客流量的总体趋势和时间因素对公交系统的影响,指出了应合理安排公交线路,利用聚类分析归类,及时调整发车频率,以便科学地管理公交系统、提高公交系统的运营效率、满足乘客的需求、提高公交的社会效益和经济效益。     

考虑促销因素的医药电商平台需求预测研究

医药电商平台需求预测涉及到药品自身属性及电商平台推出的各种促销活动,本文针对以上影响药品销量的因素提出了时间序列-机器学习组合模型对医药电商平台进行需求预测。传统研究促销因素的需求预测文献将促销阶段商品销量拆分为常规销量和促销增量的线性组合,本文首先拟合各药品促销阶段的常规销量,根据各药品常规销量时间序列数据及服用周期,使用SARIMA模型拟合药品的常规销量预测值,并将常规销量预测值与商品促销特征数据一同输入XGBoost模型进行集成学习预测。本文使用国内某医药电商平台真实销售数据测试组合模型的有效性,结果显示组合预测模型的预测效果相比其他三种传统预测模型更优。此外,本文验证了不同折扣力度下组合预测模型的有效性,以及促销变量在预测模型中的有效性,同时研究了数据共享策略在需求预测中的应用场景,结果显示预测模型在引入促销变量和采用数据共享策略后都能显著降低模型的预测误差。     

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型（X12-ARIMA）将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法（ICEEMDAN）将季节调整后序列分解成一系列不同时间尺度的本征模态函数（IMF）和残差序列（Residue）。然后使用基于模糊C均值算法（FCM）划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。     

不确定需求情境下的供应链预测契约设计

以报童模型为基础,研究了在由单一生厂商和零售商组成的供应链系统中,生产商如何通过契约设计来影响零售商的需求预测行为,使其收益最大化的问题。文章基于静态博弈模型对此问题进行了分析,发现在整合供应链情境下,当需求预测成本较小时选择预测能够获得更高的期望收益;在分散式供应链情境下,当生产商选择预测契约时,预测成本最终由生产商承担,且其期望收益为预测成本的减函数,而选择无预测契约时则为预测成本的非减函数;最后通过生产商期望收益对比,给出了最优策略。     

关于郑开城际铁路对开封经济影响的数学建模及评价

郑开城际铁路将于2014年年底正式通车,届时将为两地交流和经济发展注入新的活力。本文在搜集到的相关数据基础上,对这些数据进行处理,采用时间序列和回归分析,建立数学模型,预测郑开两地短期客流量,分析城际高铁的开通对开封经济的影响。     

延吉市城市经营性建设用地需求预测方法与供应计划的制定

本节研究城市经营性用地需求预测的思路和方法,并根据预测结果分析土地供应的因素和限制条件,提出了通过合理确定土地储备量和土地储备周期保证土地供应计划的途径。本文以延吉市土地资料进行研究,试图通过分析提出合理的建议。     

对称信息下具有需求预测更新的供应链协调模型分析

针对传统预测与订货模式对不确定的需求缺乏反应的问题,建立了具有需求预测更新的订货模式模型,比较了两种订货模式在集中决策供应链中的收益和最优订货水平。而后针对分散决策供应链中具有需求预测更新的批发价合同引起的双重边际化问题,利用收入分配合同进行分析并得到解决方案及一些有用的结论。     

基于BP神经网络的港口物流需求预测

随着中国经济的快速发展,沿海港口城市在发展中的地位也越来越重要,因此港口未来的规划以及相关的建设至关重要。根据我国相关部门的可行性分析,港口物流需求的预测在港口规划建设中的重要性往往容易被忽视,建立正确的预测模型是准确预测的前提。文章基于神经BP网络进行港口物流需求预测,首先介绍了物流需求预测和神经网络的研究现状,以及相关的基本理论,通过对港口物流需求相关影响因素的分析建立预测的指标体系,以大连港为例,在神经网络的基础上建立了港口物流需求预测模型,运用MATLAB软件进行相关的学习、训练,最后输入数据得出预测结果并据此给出相关建议。     

供应链环境下合作预测效果的分析

本文定量分析了供应链中合作预测对需求长鞭效应的减小作用,在多节点企业所组成的供应链中,合作预测对订单量的波动和需求预测误差的波动起到积极的抑制作用。本文通过理论研究和数值分析的结果表明,供应链信息共享和合作预测能够控制需求流动现象。     

基于Back-propagation神经网络的供电企业人力资源需求预测

鉴于组织人力资源需求系统的复杂性和非线性的特征,本文分析了BP神经网络方法在人力资源需求预测中的应用,并且阐述了其基本原理和模型,结合实例提出了完整的实施流程。预测结果客观、准确,从而能够合理配置人才结构,加强人力资源培训等方面来进行供电企业人力资源的改革。     

基于数据包络分析方法的人力资源需求预测分析

人力资源规划是指企业根据自身的发展需要和外部环境的各种因素,从现有的人力资源状况出发对企业未来一段时间的人力资源需求和供给情况做出预测,并制定出符合企业发展自身需要的人力资源计划。它主要包括三个主要步骤：人力资源需求预测、人力资源供给预测和能力平衡。     

浅析企业人力资源规划的实施

人力资源规划是企业人力资源管理的前提和基础,系统的人力资源规划包括企业发展战略分析、企业人力资源现状评价、人力资源需求预测、人力资源供给预测、供给与需求的平衡、控制与评估六个程序。     

政府奖惩下闭环供应链中需求预测信息分享研究

考虑政府奖惩机制,在制造商直接回收的闭环供应链中,当市场不确定且制造商和零售商都能预测需求时,为研究零售商的需求预测信息分享问题,本文构建一个Stackelberg博弈模型,分别求得零售商信息分享和不分享情形下的均衡结果,探讨了需求预测信息精度对供应链成员利润及信息分享价值的影响,并研究了供应链均衡的信息分享策略。研究发现,需求预测精度的提高在大多数情形下会使供应链成员都受益。当制造商回收效率较高时,自愿分享需求信息是一个均衡;当制造商回收效率较低时,信息不分享是一个均衡;当制造商回收效率处于中等水平时,通过设计一个讨价还价机制,可以促使信息分享是一个均衡。此外,政府奖惩力度也会影响均衡的信息分享策略。     

基于竞争型制造商创新投入的零售商需求预测信息共享研究

本文考虑两个制造商的竞争,从创新投入的视角构建零售商需求预测信息共享模型,运用贝叶斯统计理论和斯坦伯格博弈方法,探讨了制造商之间的竞争和其开展的成本降低创新对零售商需求预测信息共享的影响。研究发现：（1）制造商的创新投入决策受竞争对手和零售商信息共享的双重影响。（2）由于两个竞争型制造商进行成本降低创新,存在一定的条件使得零售商可以通过免费共享需求信息而获利。（3）当制造商们的创新能力较强时,供应链能够自发达到完全信息共享状态。当制造商们的创新能力较弱时,零售商的信息共享价值为负,竞争型制造商可以通过支付信息共享费用来激励零售商共享需求预测信息。制造商支付的信息共享费用与创新能力、上游竞争强度、预测准确性和随机需求波动性正相关。本文的研究克服了Shang等（2016）关于上游竞争型供应链中零售商信息共享研究中未考虑制造商创新的不足,并进一步探讨了上游竞争型供应链中的信息共享激励机制。