我国区域物流发展预测

物流需求预测是政府有关部门制定物流规划和建设物流基地的决策依据,也是第三方物流企业发展物流业务的重要前提.本文在对物流需求变化的影响因素分析以及对物流需求指标选取的基础上,采用回归模型、灰色预测方法、加权组合模型对湖北物流需求进行预测.使最终的预测结果收敛于一个较窄的区间内,这种预测模型较完全反映物流需求量的变化规律.     

基于变异系数的区域物流需求组合预测方法

区域物流需求的预测关系到整个区域经济的宏观政策的制定和可持续发展。文章在利用能充分保留单一预测模型所包含信息的变异系数法确定组合权重的基础上,建立了区域物流需求组合预测模型。最后选择能充分反映区域物流需求的年货运量建立了区域物流需求组合预测模型,实例验证了文章所建立组合预测模型不仅比单一预测模型精度高,而且组合预测模型精度比单一预测模型的精度有较为显著的提高。     

区域物流需求预测模型研究

为了提高区域物流需求预测的能力,文章从区域经济等影响因素指标与区域物流需求之间的内在关系的角度,利用主成分分析对各影响因素指标进行处理,构造了基于主成分分析-SVR的"影响因素-区域物流需求"预测模型.在选择适当的参数和核函数的基础上,对上海市物流需求量进行仿真,通过与标准的-SVR方法和线性回归方法进行了对比,发现该方法能获得较小的训练相对误差和测试相对误差.     

面向不确定物流需求的改进GM-BPNN组合预测方法

在面对具有突变性、不稳定性以及非线性等特征的区域物流需求预测问题时,传统的时间序列、BPNN、GM-BPNN等预测方法在拟合物流需求曲线上存在缺陷,文章提出了改进GM-BPNN组合预测方法,利用ARIMA和遗传算法（GA）分别改进GM(1,1)和BPNN,根据有效度确定加权系数并构建线性组合模型,并以浙江、广东、江苏进行实例验证。结果表明,相比传统时间序列、BPNN、多元回归、GM-BPNN等预测方法,改进的GM-BPNN组合预测方法提高了物流需求预测的精确度。     

数据挖掘在物流业的应用综述

数据挖掘作为快速有效地从海量数据中提取有效信息的工具,在现代物流业得到了广泛的应用.文章从数据挖掘的基本技术、数据挖掘在物流需求预测、物流决策以及客户关系管理等方面的应用现状及存在的问题出发,对目前这一领域内的研究进行了回顾和评论,并对数据挖掘在物流的发展前景进行了展望.     

基于DFA方法的自组织组合预测模型的应用

文章运用消除趋势波动分析(DFA)方法,计算了四川省工业增加值季度数据的标度指数,该指数表明四川省工业增加值的时间序列值具有长程相关特性,其预测模型有较好的拟合效果.在此基础上根据自组织数据挖掘的理论与方法,提出了自组织组合预测模型.模型预测结果及与ARIMA、GMDH自回归、SPSS曲线估计等三个单项预测模型及最优线性组合、人工神经网络组合等常用的组合预测模型的对比表明,自组织组合预测模型不仅改善了对数据样本的拟舍精度,而且显著提高了模型的预测能力.     

天然气消费量自组织数据挖掘预测研究

文章通过分析天然气长期消费的影响因素及变化特点,认为天然气消费量和影响因素时间序列均存在一个或多个相似期;运用自组织数据挖掘的相似体合成预测方法构建天然气消费量预测模型,并通过北京地区天然气消费量预测进行模型精度检验,结果验证运用自组织数据挖掘的相似体合成方法进行天然气消费预测是科学可行的。     

区域物流与区域经济发展互动关系研究——以浙江省为例

区域经济是区域物流发展的基础,区域物流是区域经济发展的支撑,二者相互依存、相互促进.以货运周转量、旅客周转量为区域物流能力指标,GDP为区域经济发展水平指标,选取浙江省1978～2008年有关统计数据进行分析,结果表明浙江区域物流与区域经济具有显著的相关性.建立了数学模型,采用该模型对浙江区域物流与区域经济关系发展趋势做出预测,并对浙江物流业发展提出了相应的建议.     

基于ARIMA-GMDH的GDP预测模型

文章先对四川省GDP分别建立了ARIMA时间序列模型和GMDH变量自回归模型来进行预测;然后利用GMDH自组织建模方法建立ARIMA-GMDH组合预测模型来预测;最后使用Bonferroni-Dunn方法对三个模型的稳定性进行分析检验。模型预测结果和稳定性检验结果表明:基于ARIMA-GMDH组合的GDP预测模型的拟合和预测都优于另外两种单预测模型。相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。     

结合景气指数的GDP组合预测模型研究

文章首先对中国季度GDP序列建立了AR-GMDH预测模型;然后加入对GDP相关性较大的景气指数,建立了ARCH模型;最后利用GMDH自组织建模方法提出新的组合预测模型.对比分析各模型预测结果表明:两种单一模型预测误差均在可接受范围之内,基于GMDH组合的GDP预测模型的拟合和预测效果比单一模型更优.     

基于多因素灰色模型的物流需求量预测

物流需求量受多种因素的影响,很多因素无法准确掌握.文章通过咨询专家和客观分析,选定GDP增长量、消费品零售总额、进出口总额等七大因素为影响物流需求量的关键因素.然后,将体现灰色GM(1,1)模型和多元线性回归模型优点的多因素灰色预测模型应用于河南省物流需求量的预测实证研究中,为物流需求量的预测提供了一种可靠的科学方法.     

基于SARIMA-GMDH的CPI组合预测模型

文章以2001年1月至2015年2月的我国CPI定基指数为样本数据,首先构建季节乘积SARIMA模型与GMDH自回归模型对CPI进行预测;然后通过自组织数据挖掘理论构建SARIMA-GMDH组合模型再次对CPI进行预测;最后通过模型拟合优度检验与预测能力分析综合评价这3个预测模型,探索各个模型预测效果的差异性,总结评价组合预测法在经济现象中的预测优势.     

供应链环境下的区域物流网络库存需求预测模型

文章研究了区域物流网络中由x个零售商、y个配送中心、z个供应商组成的供应链的库存需求预测问题.将供应链的各个节点分为上下游两级,结合供应链以及库存需求的特点,运用Dijkstra算法求解了最短路径;构建了整条供应链的需求预测模型,用以求得各个节点企业的精确需求量;最后通过具体实例给予了论证.     

线性时变参数DGM(1,1)变权组合预测模型

文章为了提高统计组合预测的拟舍和预测精度,根据线性时变参数离散灰色预测模型的初值优化方法,给出了几个线性时变参数DGM(1,1)模型作为单项预测模型,进一步利用这些单项预测模型建立了一类变权线性时变参数组合预测方法.最后,将变权重线性时变参数组合预测方法应用于新疆生产建设兵团城镇化发展水平的组合预测,实例结果表明变权重线性时变参数组合预测方法具有较高的拟合精度.     

份额模型及灰色模型在航线需求预测中的比较分析

航线需求是航空公司制定航班计划的基础。本文通过对200个城市对航空客运量的实证分析,研究了波音公司提出的份额模型和灰色预测模型的预测效果。结果表明,灰色预测模型具有更好的适用性和更高的预测精度,可以作为航空公司航线需求预测的基础方法。     

中国城乡居民生活用电月度需求预测

城乡居民生活用电量月度需求预测是全社会用电量需求预测基础,也是分布式电网发、输、配及智能电网调节等相关企业精细管理的必然要求。文章通过对各种影响因素和其月度数据的可获得性进行分析权衡,先用常规方法建立了四个不同类型的基本预测模型,然后引入粒子群优化算法建立了PSO预测模型,最后基于模型有效性"惯性"的思想建立了"跟踪最优(TO)"模型。     

区域物流与经济协调性的评价方法

文章基于层次分析法、因子分析方法和SPSS统计分析软件为基础,构建了区域物流与区域经济发展综合实力评价指标体系,创建了区域物流与区域经济发展实力层次因子分析评价模型;以区域物流与经济发展实力为研究视角,建立了二元回归模型并深入研究了区域物流与经济的协调性;以吉林省物流与经济协调发展为例,对模型具体的构造方法与实用性进行了说明.     

区域出口贸易非线性混合预测模型及其实证

混合预测模型由于能够反映事物变化的线性和非线性特征,而在预测领域得到了广泛的应用。本文针对区域出口贸易的特点建立了一种基于BP神经网络和误差校正向量自回归模型的的非线性混合预测模型,应用于区域出口贸易预测,得到了较好的预测效果。由于该模型能够反映经济系统中各变量的长期均衡关系,同时非线性的协整变量能够反映出经济系统其他变量的短期波动对预测变量的影响,因此该模型适合于经济变量的预测。     

基于灰色-马尔可夫链的区域物流需求预测

文章将灰色系统理论与马尔可夫链相结合,首先建立GM(1,1)灰色模型,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分,最终预测值以概率和区间形式表现.将该方法应用于区域物流需求的预测中,得出的预测结果更可靠,而且能够对区域物流需求的发展趋势进行宏观把握,有利于决策者的决策行为.     

基于GMDH组合的中国GDP预测模型研究

文章对中国季度GDP分别建立了ARIMA和ARCH模型,并利用GMDH自组织建模方法提出了新的组合预测模型。模型预测结果及对比表明,基于GMDH组合的GDP预测模型的拟合和预测效果,在经济正常增长或出现较大波动时都具有较高的可靠性与准确性。文章还使用Bon-ferroni-Dunn检验方法进一步验证了组合模型的拟合能力要优于单一模型。