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．     

基于灰色预测模型的广西物流需求预测

本文运用灰色GM(1,1)预测模型理论,根据统计数据建立了物流需求量模型并对广西未来几年物流需求规模进行了预测,在一定程度上能够为广西物流业发展提供定量依据。预测结果表明广西物流需求呈稳定增长的态势。     

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。     

组合式神经网络下的短期电力负荷预测模型分析

本文对电力负荷变化规律和影响因素进行分析,提出一种组合式神经网络下的短期电力负荷预测模型。采用神经网络、模糊聚类分析和模式识别理论的方法进行建模。以每天24点负荷数据、天气数据以及天类别数据为指标,将历时数据分成若干类别,针对每一类别建立神经网络预测模型,预测时通过模式识别,找出与预测天相符的预测类别,利用相应的神经网络预测模型进行24小时短期电力负荷预测。     

财务困境预测中BP神经网络模型应用综述

金融危机席卷全球,处于金融市场之中的企业随时面临着陷入财务困境的可能,财务困境预测模型的建立可以使公司提前预测到困境的发生,从而及早避免投资损失.随着信息技术的发展,人工神经网络预测模型开始兴起,本文重点介绍了BP神经网络模型在财务困境预测中的应用情况,并将BP神经网络模型与传统统计方法进行了比较分析.     

港口物流管理专业人才发展方向的研究

对于正在蓬勃发展的港口物流企业来说,高素质的人才不可或缺。文章针对港口物流发展中的专业人才匮乏问题,从港口物流的人才培养目标、职位岗位需求上进行分析,指出了港口物流专业人才的培养规格要求,提出了"五双协同,工学结合"人才培养模式。     

城市物流发展状况的评价与预测

在建立物流发展评价和预测指标体系基础上,应用主成分分析法,对我国36个大中型城市物流发展状况进行评价分析;并以广东佛山市为例,探讨神经网络技术在城市物流发展预测方面的应用。     

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。     

铁路企业专业技术人员人力资源规划的探讨

本文通过对济铁房建集团公司专业技术人员数量、质量以及结构等人力资源现状分析,提出人力资源规划的必要性。为解决在未来一段发展时期内专业技术人员的配置和人员供需平衡的问题,采用供需预测模型和定量预测方法,对专业技术人员方面的需求和供给进行预测,建立集团公司未来4年专业技术人员人力资源规划。同时对其他单位也有借鉴意义。     

基于灰色系统理论的我国物流发展规模的预测研究

物流发展规模预测对于制定宏观经济政策和促进经济发展具有重要意义。在我国现代物流产业统计指标体系尚未健全的情况下．运用灰色系统理论思想与方法,能够在一定程度上解决物流产业量化研究的瓶颈问题。灰色系统预测模型GM（1,1）模型,为单序列建模。能够弱化序列随机性,挖掘系统演化规律．因此本文应用该模型对我国货运量进行预测,以此反映未来物流的发展规模．为国家规划物流产业和制定物流政策提供决策依据;同时研究结果表明该预测模型精度等级较高．效果较好．在基于灰色系统思想的中国现代物流产业的量化研究过程中．GM（1,1）预测模型的应用起到了抛砖引玉的作用。     

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。     

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.     

环保物流与宁波港口经济可持续发展研究

物流环保化已成为港口物流和港口经济发展的重要趋势与可持续发展的重要保障。为了促进环保物流和宁波港口经济的可持续发展，本文首先简要分析了环保物流的内涵及产生背景，然后着重分析探讨了宁波港口物流环保化的必要性与相关对策建议。认为环保物流与宁波港口经济可持续发展密切相关，针对宁波港口经济发展过程中资源利用不充分、对环境污染较严重、港口服务水平低以及物流信息系统不完善等问题，提出了优化资源配置，提高资源利用率；采取环保措施，减轻环境污染；扩展港口服务功能，提高港口物流服务水平；加强港口物流信息平台建设，完善物流信息系统等建议，以推动宁波港口物流环保化和港口经济的可持续发展。     

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。     

舟山群岛新区港口物流信息化建设研究

港口物流信息化建设,可以增强港口的反应能力,有效地降低成本,提高港口竞争力。港口物流信息化作为物流行业一个新的增长点,对舟山群岛新区港口的发展有着重要的意义。本文从舟山群岛新区港口物流信息化建设现状以及存在的问题入手,构建港口物流信息系统总体架构,并根据实际情况提出舟山港口物流信息化建设的保障措施。     

粮食产量的人工神经网络预测方法的应用研究

粮食产量预测是农业经济管理中的一个重要环节,本文以小麦产量预测模型为例论述了应用于全国粮食产量预测的神经网络模型建立的关键步骤和指标分析选取的方法,并在模型参数优选的基础上用此方法用历史数据进行了预测分析.预测结果表明,该模型可提高粮食产量预测准确性,有效性,实际的预测结果分析说明了该方法的先进性和可行性.     

BP神经网络与RBF神经网络在股价预测中的应用

本文利用神经网络对股票走势进行分析和预测,构建了两种神经网络预测模型,通过对以往历史数据的学习,找出股市发展的内在规律,用以预测未来的走势。     

电子商务模式下港口物流信息化发展策略研究

实现港口物流信息化是电子商务时代提升港口物流综合竞争力的必然要求。目前港口物流信息化发展还不平衡,本文分析在电子商务模式下港口物流发展存在的问题,针对这些问题提出发展港口物流信息化的策略,加强港口物流的硬件设施建设,使之满足软件应用的要求。     

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。     

利用集成神经网络预测上证指数

证券市场作为高风险高收益的投资领域一直倍受投资者的关注,如何能够准确分析和预测股票价格以便获取丰厚的收益一直受到人们的关注。于是各种股票价格分析预测和方法应运而生,如何建立一个成功率比较高的预测理论和模型是多年来许多学者一直研究的内容。随着近年来人工智能方法研究的发展以及证券市场一些特性逐渐被人所揭示,一些新的预测方式开始浮出水面。神经网络由于其在分析和预测时间序列方面的独到优势,逐渐成为构建证券预测模型的有力工具。本文尝试利用基于BP算法的神经网络集成的方法对上海交易所上证指数进行了预测,在实际预测…