基于拉开档次法组合模型在物流需求预测中的应用——以江苏省为例

为了对物流需求进行科学预测,文章在主成分分析的基础上,选取了对物流需求影响较大的3个主要因素:人均社会商品消费额、人均GDP和商品零售价格指数为自变量.分别建立了多因素灰色预测模型、ARIMA预测模型、多元回归预测模型,并运用拉开档次法建立了组合模型。通过该组合模型对江苏省物流需求进行了预测。结果表明,江苏省物流需求每年以近9.5%快速增长。与其他预测模型相比,该预测模型具有更高的预测精度。     

GA-灰色神经网络的区域物流需求预测

区域物流需求与区域经济发展水平密切相关,影响区域物流需求的经济因素包括区域经济的规模、产业结构、购买力和网络购物人数。以货运量作为物流需求的内容,选取福建省1997—2009年的经济数据作为面板数据,采用基于遗传算法的灰色神经网络模型对福建省区域物流进行预测。实证结果表明:网上购物水平是影响区域物流需求量的一个重要因素;组合预测模型较单一预测模型具有更好的预测效果;未来几年内福建省物流需求将呈上升态势。实证结果为区域物流需求预测提供了有益的参考。     

基于RBF网络的股市混沌预测

根据股票市场具有动荡混沌的特性,以相空间重构理论和神经网络技术为基础,构建出股票价格短期预测的网络模型.用某股票的实际收盘价作为观测数据,通过训练RBF神经网络得到预测数据.结果表明,用径向基神经网络预测股价是可行的和有效的.     

基于BP神经网络的油气产量历史预测

分析了常规油田开发模型所存在的问题;探讨了应用神经网络技术进行油气产量历史预测的可行性。油田实际资料验证评价结果表明:该法模拟预测精度高,效果好,简单实用,不失为油气产量动态预测的一条新途径。     

基于BP神经网络的组合预测及在电力负荷的应用

分析了电力负荷预测的意义及预测原理，并以传统方法证明了组合预测的优越性．在经典预测方法线性回归和现代预测方法灰色模型的基础上，通过BP神经网络进行组合预测，分别应用单一模型和以计算机为工具的组合模型对上海市年电荷用量进行预测．通过分析和比较验证了该组合算法的有效性，     

一种新的模糊自适应变权重组合预测算法

模仿人的决策过程，提出了一种模糊自适应变权重组合预测算法。算法通过各个单项预测算法在过去和最近时期与实际观测值的匹配程度自动地调整权重的分配，是一种变权重组合预测算法。仿真结果表明该算法简单有效，跟踪迅速     

国内外物流需求预测研究趋势可视化分析

借助Scopus和CNKI检索了物流需求预测的相关文献,通过文献可视化软件CiteSpace对国内外研究文献进行关键词共现、突现、时区图等图谱分析。结果表明：研究热点方面,国内研究多集中于中微观层面,从经典统计学模型、优化算法到神经网络预测模型及其改进等方面对具体行业的物流量进行预测,而国外则更关注智能网络模型等方法在宏观区域物流上的应用。研究前沿方面,国内近三年在智能优化算法与多元回归模型的组合研究较多,国外则更关注大数据发展下人工智能方法及其组合的应用,且对物流供应链中企业库存、备件的资源优化配置较为重视。最后对新的研究方向提出了展望。     

供应链产品需求量变权重组合预测方法研究

提高市场需求预测的准确性是供应链系统应付不确定性,削弱"牛鞭效应"的重要途径。针对供应链产品市场需求量预测方法的不足,依据变权重组合预测技术,基于改进的GM(1,1)方法来确定组合预测模型的变权重权系数,给出了一种适合供应链系统产品市场需求量预测的变权重组合预测方法。最后以乳制品市场需求量预测为例,对该方法进行了应用验证,证明该方法可以提高预测准确性。     

均线形态组合在证券分析中的应用

应用结构模式识别的方法建立多阶均线形态组合序列通过对股市历史数据的变换和分析考查各形态组合序列对应的盈利和亏损概率建立新的证券投资分析方法即均线形态组合预测法其优点是可以部分弥补传统技术分析中的滞后性和不确定性能根据市场的变化及时调整相应的参数指标有效提高预测的成功率并易用计算机作出识别     

径向基函数网络的库存预测方法与仿真实验比较分析

库存预测是企业编制物流系统存储、运输等各项业务活动计划的基础,是企业管理的一个重要环节。库存预测的精确与否,直接影响到企业计划的可行性,进而决定企业经营的成败。采用不规则需求预测法和本文提出的径向基函数网络需求预测法对不规则时间序列的需求预测问题进行了评价与分析。仿真实验表明,采用径向基函数网络需求预测法对不规则时间序列需求进行预测具有更强的针对性和有效性。该方法采用正交化方法和前向回归技术,计算量少,能够生成一个结构简单的神经网络预测模型。     

人工神经网络在液晶显示器市场预测中的应用

液晶显示器市场动因复杂,运用传统预测方法很难准确模拟其走势。将人工神经网络技术应用于市场预测领域,选择了恰当的经济指标作为BP网络的输入输出变量,较好地模拟了液晶显示器市场的发展状况,预测结果表明,该方法运用在液晶显示器市场预测中相当有效。     

基于Bp神经网络的哈尔滨住宅市场需求预测研究

随着经济发展步伐的加快,哈尔滨市的住宅产业面临着难得的发展机遇,本文在此背景下,以市场需求为出发点,对哈尔滨住宅市场需求状况进行了分析,利用 BP 神经网络模型对2006—2010年哈尔滨市城镇住宅市场进行了预测,并针对预测结果提出了相应的对策建议。     

中国民用汽车保有量的短期组合预测

国内外对中国汽车保有量预测的研究很多,但由于各种假设不同而偏差较大。组合预测方法的出现,结合了不同预测方法的优点,提高了预测精度。文章运用Logistic模型拟合中国汽车保有量的增长,将其增长期划分为三个阶段,低速增长期,快速增长期,平稳增长期,以此指导灰色预测合理选取数据,对中国的汽车保有量进行短期预测。该预测方法只涉及市场最大汽车保有量的估计,尽可能地避免了传统预测模型中预测参数选取主观化的缺点。预测结果显示我国汽车保有量已经进入快速增长期,2015年将突破1亿9千万辆。     

基于BP神经网络的重庆市房价验证与预测

利用2000—2014重庆市人均地区生产总值、总人口数、房地产开发投资等相关数据,建立BP神经网络模型,通过与实际数据进行比较和误差分析,验证该模型在房价预测中的有效性。并预测重庆市2015、2016年的房价,以期给政府部门制定房价宏观调控措施提供参考依据。     

铁路专业人才需求预测研究

本文采用系统分析方法对铁路专业人才需求预测问题进行研究,建立了专业人才需求预测系统,并对总量需求的宏观预测方法做了进一步探讨.     

应用型本科院校物流管理专业课程体系的构建

科学合理的课程体系是应用型本科院校物流管理专业培养高质量物流人才的重要支撑。考虑人才培养目标和市场对物流人才的实际需求,拟构建包括公共基础课程、专业基础课程、专业方向课程和专业拓展课程等模块在内的应用型本科院校物流管理专业课程体系,并从做好物流人才市场需求预测、加强教材建设与教学大纲修订、注重＂双师型＂教师培养和建立产学合作教学模式等方面确保课程体系的顺利运行。     

港口吞吐量预测影响因素筛选方法研究

物流预测指标的筛选是物流需求预测工作的首要步骤。对港口吞吐量及其影响因素进行了分析,提出了预测指标的筛选原则和筛选方法,并以广西北部湾港口为例,利用2000—2008年的统计数据,采用灰色关联分析法和DPS数据处理软件工具求出各因素与港口吞吐量以及各因素之间的灰色关联度,最后根据筛选原则选出一组相关性强、结构合理的港口吞吐量预测指标。