2015年河南省主要废弃电器电子产品产生量及回收量预测分析

采用基于百户家庭家电拥有率的保有量系数法和关键系数法，对2015年河南省主要废弃电器电子产品产生量和回收量进行了预测．2015年河南省主要废弃电器电子产品产生量和回收量分别为1347．75万台和1226．5万台，结果表明，主要废弃电器产品较2009年增长较为缓慢，手机等数码类废弃电子产品增长较快，与报废数量快速增长相比，废弃电器电子产品报废质量增长速度相对较为缓慢．     

基于“互联网+”的废弃电器电子产品回收策略新构想

我国目前对废弃电器电子产品实施基金征收使用管理办法,尽管该办法已在我国实施三年,但收效甚微,大量的废弃电器电子产品仍然流向非正规回收处理企业,正规回收处理企业占据的回收量仅为10%。如何促进废弃电器电子产品从源头上更多地流向正规回收处理企业,真正实现废弃电器电子产品的有序回收,是当前亟待解决的问题。本文在对废弃电器电子产品回收现状,传统回收策略作基本介绍的基础上,提出基于"互联网+"的废弃电器电子产品回收创新策略,以期为正规回收处理企业获取更多的废弃电器电子产品回收量提供新的决策思路。     

基于数据驱动的电子产品回收量预测研究

电子产品型号类型多、更新速度快等特点导致了预测回收量的难度大,因此对第三方维修服务商而言,电子产品回收量预测的精度直接影响到企业的运营成本以及服务水平.通过企业真实数据的回归分析,发现产品的累计销售量与累计回收量之间存在显著的线性相关性,由此设计了回归预测方法与阻尼趋势预测方法相结合的组合预测方法,并进行数值实验.实验结果表明该组合预测方法在电子产品回收预测量中能达到比使用单个模型更好的效果,实现了预测精度的显著提升.     

我国出台废弃电器电子产品处理基金管理办法

近日，财政部、发改委、工信部等部门联合发布了《废弃电器电子产品处理基金征收使用管理办法》。这是国家为促进废弃电器电子产品回收处理而设立的政府性基金，使用范围包括：①废弃电器电子产品回收处理费用补贴；②废弃电器电子产品回收处理和电器电子产品生产销售信息管理系统建设，以及相关信息采集发布支出；③基金征收管理经费支出；④经财政部批准与废弃电器电子产品回收处理相关的其他支出。     

废弃电器电子产品回收处理基金参与主体的激励与规制分析

《废弃电器电子产品回收处理管理条例》规定设立废弃电器电子产品回收处理基金,用于废弃电器电子产品回收处理费用的补贴。电器电子产品生产者等是基金的缴纳义务主体;处理企业则是基金的补贴主体。如何进行激励与规制,使生产者和处理企业实现双赢,最终达到环境保护与资源再生利用的目的,是本文将要达到的目标。     

一种可直接用于预测的神经网络消费函数模型

目前几乎所有的消费函数模型在实际应用时都有一个共同的不足之处,即在对下一期的消费额进行预测时,模型需要使用的相关数据都直接或问接与下一期的统计数据有关,所以在使用模型前首先要对未知的相关数据进行预测,这样势必会造成误差的积累。本文在对传统的消费函数模型进行分析的基础上,建立了一种可直接用于预测的神经网络消费函数模型,这种模型只需使用前期的相关数据即可进行预测,且预测精度高于传统的消费函数模型。     

基于灰色预测的我国果蔬经济未来发展战略研究

针对预测我国果蔬未来消费趋势及发展情况,使用灰色预测、时间序列、聚类分析和多目标规划等方法,分别构建GM(1,1)模型、趋势移动平均模型、模糊C均值聚类模型和多目标规划模型等,并使用MATLAB软件编程,给出定量计算过程及预测结果,结果表明当前我国果蔬生产结构不合理,居民对果蔬营养素的摄入结构仍需改进,预测未来几年人们对于水果、蔬菜消费量的消费需求量仍将处于上升趋势等结论。文章最后对如何提高我国果蔬经济未来发展水平提出了一些建议及参考措施。     

烟草类消费价格指数预测模型的研究

用神经网络中的：BP网络建立了烟草类消费价格指数预测模型,首先选定历年数据为训练组,初步确定烟草类消费价格指数预测网络结构,然后计算出网络各层上的权重值,并使其达到稳定,通过比较网络精度,确定其最优隐含层层数和各层节点数,从而确定烟草类消费价格指数预测最优模型,使用了LevenbergMarquardt优化方法,克服了传统BP算法收敛速度慢,难以确定隐含层和隐含层节点数的缺陷,从而使学习时间更短,运用该模型对城市居民烟草类消费价格指数进行了预测,用检验样本验证训练结果,绝对误差为-2.0,相对误差为2,0964％,预测某城市3年烟草类消费价格指数分别为97.3752,97.3973和97.400O。获得了可信的结论。     

三亚地区电离层foF2的混沌特性分析及其预测研究

利用三亚台站2013年电离层foF2观测数据,讨论了电离层foF2的混沌特性及其预测.采用改进的C-C算法确定时间延迟和嵌入维数,计算最大李雅普诺夫指数,定量地印证foF2时间序列具有混沌特性.基于RBF神经网络的方法对foF2参量进行短期预报,并将预报结果与Volterra模型、IRI模型和实测数据进行对比.结果表明,采用RBF神经网络法可成功预测foF2的变化,相比于国际参考电离层模型有较大提高,较Volterra模型也有一定提升.在一定时间尺度内,RBF神经网络预测结果较为准确,预测误差较小,超出该预测范围,预测效果将变差.     

粗糙集-改进神经网络落煤瓦斯涌出量预测

为对井下落煤瓦斯涌出量进行预测,采用粗糙集与改进神经网络相结合的方法,在样本数据的筛选上吸取粗糙集数据约简的优点,使选择的数据样本简洁且更具代表性;充分利用BP神经网络的非线性拟合能力,将遗传算法与其相结合,避免BP网络陷入局部最优.利用编写的程序确定隐含层节点数,相比以往经验公式取值更具优势.最后在任家庄煤矿成功应用.研究结果表明:利用粗糙集与改进神经网络相结合模型进行预测,结果准确可靠,克服了以往BP模型的不足.该模型对井下落煤瓦斯涌出量预测具有一定参考价值.     

基于时间序列聚类和ARMA模型的检索量预测

为了通过预测分析检索量数据来指导商家调整产品开发及经营策略,将检索量数据组织为时间序列,对其用自回归滑动平均(ARMA)模型进行建模预测.先将时间序列进行聚类,仅对聚类中心序列进行ARMA模型识别,同类序列用该模型进行近似建模预测:经过数据预处理、相似性分析、基于相似度的聚类、时间序列预测等过程,得到检索量数据的预测值...     

基于Fisher聚类的公交客流量时间序列预测及对比

公交客流量预测是城市公共交通管理的基础,科学的客流量预测能够为公交系统管理和路线调整提供可靠依据。考虑到公交客流量的波动差异性以及预测的复杂性,首先利用Fisher算法对原始数据聚类,并依时段划分为六种类型;然后选择自回归差分移动平均模型以及季节性自回归差分移动平均模型两种方法开展公交客流量的预测,并以广州市公交客流量数据进行实证分析,最后计算两种模型的平均绝对误差和平均绝对百分比误差,对比分析基于聚类数据的两模型预测效果的优劣。结果发现:基于Fisher聚类数据,季节性自回归差分移动平均模型的预测效果较好,且比数据未聚类前对应模型预测的效果更优。     

基于饱和增长趋势模型的福建人口预测

以1978～2007年福建省的人口统计数据为依据,采用饱和增长趋势模型中的修正指数模型、龚柏兹模型、逻辑斯蒂模型对福建省未来人口总量进行预测.根据预测结果进一步用三种模型进行组合得到组合预测模型,预测结果为2010年、2015年、2020年福建省人口总量分别达到:3654.93万人、3752.83万人、3832.61万人.     

Gompertz模型改进及其在交通预测中的应用

交通需求预测是道路建设项目规划工作的重要组成部分.是确定道路等级、技术标准及进行规划决策、投资效益分析的依据.居民出行发生量预测是交通需求预测的一个重要组成部分,通常使用Gompertz模型,但其模型系数一直是通过类比估算方法确定,缺乏依据.本研究利用最小二乘法改进待定参数估计,推算Gompertz模型系数确定公式,采用Matlab程序分析得到Gompertz模型的系数.利用残差估计和类比发现,使用最小二乘法拟合得到的Gompertz模型系数具有明显的优点.根据山东省东营市交通调查数据,利用本研究改进模型,预测该市2025年的居民出行量.结果表明,使用改进Gompenz模型系数求解方法能有效提高居民出行发生量的预测精度.对合理规划道路网结构具有一定指导意义.     

废弃电器电子产品回收处置制度现状

随着电器电子产品的报废速度越来越快以及报废量越来越大,电子废弃物既是一类污染物,也包含回收价值较大的部件,如何规范回收处置这些电子废弃物已经成为各个国家十分关注的问题。总结了德国、荷兰和美国等发达国家和中国(大陆和台湾)、巴西、印度等发展中国家和地区的废弃电器电子产品回收处置制度,分析不同法规与政策的主要特点,剖析国内外不同制度的差异及优缺点,从回收体系、基金补贴和审核流程等方面为我国制订更加科学合理的电子废弃物的处置法律法规提供依据和对策。     

基于线性双源遥感蒸散模型的作物估产——以河套灌区为例

为探究干旱与半干旱地区作物生育期用水,估算作物产量和优化配置作物灌溉制度,以河套灌区为研究对象,基于Landsat 8遥感影像数据提取一定时序植被指数监测主要农作物种植结构,利用MODIS数据及改进线性双源遥感蒸散模型,预测研究区作物在不同生育期蒸散量并使用常用水分生产函数模型进行主要作物玉米估产分析.结果表明:研究区...     

改进层次分析法的瓦斯涌出量组合预测方法研究

为了提高矿井瓦斯涌出量的预测精度,采用改进层次分析法对指数预测,双曲线预测和灰色预测3种传统预测方法,从稳定性,数据利用和适用时间上来进行加权组合,提出一种基于改进层次分析法的组合预测方法,并对西北某矿区4月份的绝对瓦斯涌出量数据进行研究。结果表明,与几种传统方法的独立预测结果相比,该方法精度较高,也易于操作,对矿区瓦斯预测有一定的指导意义。     

考虑易用性和可解释性的自组织映射-即时学习风险预测框架

为提高风险预测系统的易用性和可解释性,提出基于自组织映射网络(SOM)改进的即时学习(JITL)风险预测框架。首先,应用SOM对数据样本进行聚类,并对聚类特征进行解释。进而,通过基于聚类结果的样本选择算法构建待测数据的相似样本集,在线上调用作为基学习器的支持向量机(SVM)进行建模并输出风险预测结果。最后,采用一个交通事故数据集对风险模型的性能进行测试,检验其精度、易用性和可解释性。结果表明：采用SOM-JITL策略的SVM模型,受试者工作状况曲线面积指标达到0.720,相比不使用该策略的传统SVM模型提高17.5%,精度较高;SOM-JITL模型构建所需参数调节工作少,具有较好的易用性;此外,SOM聚类结果准确识别出处于交通拥堵等高风险场景,与现实场景一致,具有可解释性。综上,SOM-JITL策略能有效提高基学习器的性能,达到精度、可解释性和易用性的平衡,有助于以低成本大规模推广风险预测系统。     

基于优化AP-SVR模型的能源消耗预测

针对传统SVR(Support Vector Regression)及其相关改进模型在不同时间阶段的能源消耗样本数据具有差异较大的不同函数规律或分布特征的条件下,难以进行合理预测这一问题,提出了基于优化AP(Affinity Propagation)聚类算法的AP-SVR模型。首先,在滚动预测的算法框架下建立了运用能源消耗累积规律进行预测的模型,并对AP聚类算法进行了优化;其次,结合优化AP聚类算法构建了最优化训练集,并运用SVR得到预测结果。算例分析表明,AP-SVR模型可有效识别样本训练集中能耗数据累积规律的差异,将聚类为同一类别数据作为训练集的条件下,SVR的拟合精度得到明显提升。通过多种模型计算效果的比较发现,剔除不同类型数据后的训练集明显更加适合于SVR模型的预测,在降低预测误差和改善预测结果可信度等方面优化了模型预测效果。     

基于小波神经网络模型的中国能耗预测

通过中国能源消费数据分析,结合小波分析与神经网络理论方法,建立了相应的中国能耗的小波神经网络模型,对中国能源消费增长率进行了预测,并以此预测出未来中国能源消费需求总量.通过实际数据与预测数据的统计分析表明,小波神经网络模型的预测结果有较高的精度,对中国能源消费需求总量的预测有较高的可信度.