基于MLP 神经网络的区域物流需求预测方法及其应用

区域物流需求预测是区域物流系统规划、物流资源合理配置过程中的重要环节,而区域经济是产生区域物流需求的内在决定性因素,因此寻求利用区域经济指标来预测区域物流需求具有较强的可行性,同时能够促使区域物流产业与区域经济之间的协调发展.为此提出了基于MLP神经网络的区域物流需求预测模型,不仅揭示了区域经济与区域物流需求之间的非线性映射关系,同时也为区域物流需求预测提供了一种新的思路和方法.     

基于深度学习的物流需求预测模型研究

新一轮的科技革命和经济结构的不断优化对于区域物流需求的预测提出了更高的要求。本文以LSTM为研究对象,提出了基于深度学习的区域物流预测模型。从预测模型数据结构的角度,在时间序列和影响因子两个层面上,将深度学习预测模型与传统统计学方法,神经网络方法,基于优化寻参的支持向量回归机等方法进行综合对比评估。仿真结果表明,基于时间序列数据源的预测模型普遍优于影响因子数据源模型,而基于LSTM区域物流预测模型具有良好的预测性能,平均绝对百分误差4%左右,且稳定性好。     

基于新陈代谢灰色马尔科夫的应急物资需求量预测方法

为提高受灾人数与应急物资需求量预测精度问题，提出了基于新陈代谢灰色马尔科夫的应急物资需求量预测方法。依据应急物资需求量预测思路，利用灰色、马尔科夫和新陈代谢理论，层级递进地构建新陈代谢灰色马尔科夫预测模型，实现受灾人数的动态预测；利用安全库存理论，构建应急物资柔性需求预测模型，实现受灾人数与物资需求量的供需平衡问题；运用本文模型、灰色马尔科夫模型和灰色模型对受灾人数与物资需求量进行预测，结果表明：该预测模型的相对误差要比其他模型小0.002 1%，预测精度明显优于基本的灰色模型，预测的受灾人口数量与应急物资需求量拟合度较高。     

基于SVM的短生命周期产品供应链双渠道需求预测模型

随着产品生命周期的缩短,如何对短生命周期产品在传统和网络双渠道的需求进行有效地预测是供应链运作中的重要问题。考虑Bass模型处理小样本数据的优越性,利用Bass模型建立了基于小样本历史销售数据的短生命周期产品需求预测模型,研究了服务和购买意愿两种因素下的Bass改进扩散模型。在此基础上,利用SVM算法构建了多影响因素的短生命周期产品双渠道需求预测模型,将改进的扩散模型修正的预测值及季节指数、进店人数、信用值等引入进来,更客观地预测2个渠道的需求,并通过算例仿真,验证了基于SVM的需求预测模型的准确性。     

雪灾情形下城市交通站点负荷的动态预测模型

提出了一种新的城市交通站点负荷的动态预测模型. 该模型克服传统的Markov链方法的不足, 考虑到乘客转移偏好的动态改变以及各交通站点之间的滞留情况会相互影响, 以此构建了雪灾情形下乘客分布的极大熵模型, 并进一步设计了交通站点负荷率的计算方法, 推演出了雪灾后交通站点负荷的动态变化情况, 为相关部门采取应对措施提供参考依据. 最后用一个预测实例比较该方法与传统的Markov链方法的预测结果, 结果表明该方法更优.     

基于组合预测的间断性需求器材预测

为了提高间断性需求装备器材的预测精度,提出一种组合预测模型。该模型从解释变量序列和自相关序列两个方面进行组合预测,对解释变量序列采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,整合两个预测结果得到最终的提前期需求。实验结果表明,该预测模型具有较高的预测精度。     

基于链路动态变化的产业网络预测模型研究

根据历年的产业网络,提出了一种预测任意两个产业将来发生链接可能性的新方法.利用网络分析方法,以中国的投入产出表为研究对象,构建了基于链路动态变化的产业网络预测模型,对比分析了该模型与相似性链路预测模型的预测精度.研究结果表明,历年产业网络的拓扑结构非常接近.依据正交试验设计,在参数选择合理的前提下,本文提出的预测模型具有理想的预测精度.相比于相似性链路预测算法,基于链路动态变化的产业网络预测算法体现了过往信息对产业网络链路预测的重要性,具有更好的预测结果.     

城市交通需求综合预测方法

本文对“四阶段”预测方法的不足，基于个体出行决策行为的同时性解释 和城市交通网络的拓扑处理，构建了城市交通需求综合预测模型ＣＦＭ及其算法ＣＦＡ。     

基于组合预测的装甲装备器材需求确定

为提高装甲装备器材需求预测的科学性,设计基于组合预测的器材需求确定方法。首先明确组合预测模型的构建流程与具体步骤,引入预测有效度理论,以评估模型的预测有效度。其次优化了关联面积法,实现组合预测模型中构成单元权重的动态配置,为模型滚动式更新及最终确定奠定基础。算例分析过程表明,基于组合模型的预测不仅能够提高局部器材需求预测的准确性,而且能够提升整体预测过程的稳定性。     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

基于偏最小二乘模型的无人机航材需求预测方法

针对无人机航材存在样本数据量少,影响因素多且复杂多变,以及库存需求预测精度不高等问题,对现有经典小样本下航材需求预测方法进行系统分析,并利用偏最小二乘回归方法在处理小样本数据、变量多重相关性等方面的独特优势,提出了基于偏最小二乘的无人机航材需求预测方法.选取无人机的飞行时间、飞行起落次数、操控人员熟练程度、异常环境温度、异常环境湿度、航材故障率、维修人员技术水平、维修资料等参数,对偏最小二乘法进行原理及模型建模步骤分析,构建了无人机航材需求预测模型,并进行航材影响因素研究.实验结果表明:该模型较其它常用预测模型的精度有所提高,预测结果的平均相对误差绝对值为4.87%,表明该方法可以应用于无人机航材需求预测,能够满足实际需要.     

基于UML的武器装备体系需求描述

为克服用户和分析设计人员间的交流障碍,保证武器装备需求的正确性和可操作性,在给出武器装备体系需求分析过程的基础上,分析了利用UML对武器装备体系进行需求描述的方法和步骤。以海上目标监视与打击体系为例,给出利用UML中的用例图、类图、活动图、协作图对体系顶层需求进行描述的方法。结果表明利用UML进行需求描述可确定为满足需求所需的关键系统及其相互关系,描述过程完整、易于理解和操作。     

基于任务的装备器材非稳态需求预测

基于任务的装备器材具有非稳态、小样本等特征,针对其需求难以准确预测的问题,提出非稳态区间划分和支持向量回归(support vector regression, SVR)的预测方法。首先根据非稳态度量函数将需求序列划分为稳态子区间,然后对各子区间采用SVR进行预测,同时针对基于径向基函数(radial basis function, RBF)核函数的SVR对参数的敏感性问题,采用布谷鸟搜索算法(cuckoo search, CS)对SVR参数进行寻优,最后将各区间的预测结果进行加权求和得到最终预测结果。算例对比分析表明,该方法能够一定程度上降低数据非稳态影响,提高任务器材需求预测准确率。     

Scheduling algorithm based on follow-up sharing character for post-event response resource distribution in large-scal disasters

Post-event response planners must develop effective and efficient plans for the proper allocation and distribution of resources to impacted areas (IAs) within a critical time window. To determine the effectiveness and efficiency of distribution plans, this study addresses resource allocation effectiveness losses (RAEL, or losses caused by the mismatch between supply and demand in IAs) and emergency logistics time costs (ELTC, or transportation time of logistics processes under emergency conditions). Moreover, this study examines a follow-up sharing character (FSC) that coordinates resources among different phases. This research proposes an integrated model (IM) based on this character. This model aims to minimize RAEL and ELTC. Furthermore, the IM combines the time dimension model (TDM), which coordinates the demands and supplies of all phases in the planning horizon, and the space dimension model (SDM), which generates a specific distribution plan for the first phase. An analytical solution is obtained for the TDM as per the definition of FSC, after which the SDM is solved through a single-objective linear programming model. After solving the IM effectively, we find that the proposed methodology fits the emergency circumstance well. Insights derived from the model are also presented in the conclusion.)     

公共物流中心扩建规模优化模型研究

同时考虑物流规划部门及客户的利益,采用双层规划模型来描述物流中心扩建规模优化问题。上层规划从决策者的角度出发,使系统总费用最少;下层规划描述用户对物流中心的选择行为,在用户费用最少的情况下,向各个物流中心分配需求,以使扩建后的物流中心的能力得到最大程度的利用。并应用灵敏度分析方法进行了求解。最后用一简单算例验证了模型及求解方法的可行性和有效性。     

B2C物流配送网络双目标模糊选址模型与算法

基于B2C"配送-退换同时"的物流模式及配送业务特点,集成设施选址-分配和路线优化,研究模糊需求下的B2C物流设施选址问题.针对选址-分配的模糊性和静态性、配送的确定性和动态性特征,以物流总费用为主目标函数,以配送中心流通费用、车辆派遣费用、配送费用总和为子目标函数,建立了有配送中心容量静态约束和车辆动态负载量约束的双目标模糊选址模型,设计了嵌入随机算法和禁忌搜索算法的遗传算法求解.选取合适的测试算例验证了算法的有效性,探讨了客户需求模糊区间宽度和商品退换率对物流选址结果和各项费用值的影响.实验结果表明,所设计的算法对解决这类复杂问题合理有效.客户需求模糊区间宽度与车辆利用率和车辆路线总长的波动区间、平均车辆路线总长度、配送费用正相关,且宽度较窄时,选址结果、车辆派遣费用和配送中心流通费用不变,超过一定范围,选址结果、车辆派遣费用和配送中心流通费用改变.商品退换率与流通费用和物流总费用正相关,但不会影响选址结果和其他费用.     

基于粗糙集理论修正的后续备件指数平滑预测方法

针对后续备件需求预测误差大的问题,提出一种基于粗糙集理论修正的后续备件指数平滑预测方法。根据备件需求数据呈现的趋势,通过拟合确定指数平滑法的次数和平滑系数。从装备在使用过程中影响备件需求数据波动的因素出发,提出了不依赖于基本预测方法的改进预测思路。构建基于粗糙集理论的修正模型。结合算例,对比分析所提方法的优越性,结果表明修正方法可以显著提高预测精度,提出的改进方法不涉及基本预测方法内部特性且无需引入其他辅助方法,通用性较强。     

城市车用天然气供需均衡仿真分析

在城市加气站和燃气汽车互动发展的过程中,加气站经营者和燃气汽车运营者是两个经济行为主体.通过构建供需模型并采用蒙特卡洛法,以西安市出租车司机的调研数据为基础进行模拟仿真.主要分析了加气站工作效率和出租车行驶里程对供需数量的影响,以及对供需均衡的影响程度.仿真结果表明,加气站和燃气汽车的运营状况很大程度上影响燃气的供需均衡.