江苏省农产品冷链物流网络构建

构建区域性农产品物流网络,有利于整合区域农产品物流资源,提升区域农产品物流效率,促进农业发展、农民增收.以"互联网+农业"背景下的江苏省农产品冷链物流网络为研究对象,通过灰色GM(1,1)模型对江苏省2021—2030年农产品冷链物流需求规模进行预测与空间分布特征分析;从城市经济发展水平、物流发展水平、农产品需求水平和供给水平4个方面构建物流节点发展水平评价指标体系;运用因子分析、聚类分析进行物流节点的重要度排名,并划分为轴心、中心和辐点3个层级;利用物流联系强度、物流隶属度确定轴心城市的辐射范围,构建干支线物流通道,最终以南京、苏州为轴心城市构建江苏省轴辐式农产品冷链物流网络.     

基于多方法组合的假日物流需求估计模型研究

针对各个节假日消费者对于各类产品的需求不同,提出通过研究日常物流、假日物流的不同特点,并对假日期间区域物流中货物配送的收、发量和周转总量的影响因素进行分析,综合运用神经网络、线性回归以及灰色系统三种方法构建多方法组合物流需求估计模型,从多个方向对假日期间的物流需求进行预测, 使得预测数据更加全面可靠.通过仿真实验表明,基于多方法组合的假日物流需求估计模型相对于单一的需求估计方法提升了预测精度,从而验证了该模型的有效性,因此,可以作为对假日期间物流配送需求估计的有效工具,且具有较高的应用价值.     

基于逐步回归方法的宁夏物流需求分析

为了推动宁夏当代物流产业发展,对历史物流需求进行分析和对未来物流需求进行科学预测已成为必需.通过运用统计理论选取GDP、消费品零售总额、进出口贸易总额为自变量对以货运量为代表的物流需求进行回归分析,建立物流需求预测模型,预测未来宁夏物流需求,并分析了物流需求的影响因素.结果可为宁夏制定物流产业发展政策及物流基础设施规划、设计提供依据.     

我国农产品物流需求量组合预测分析——基于PLS、BP神经网络和ARIMA模型的实证

针对影响农产品物流需求的各种特定因素,提出基于偏最小二乘回归(PLS)、BP神经网络和ARIMA模型的我国农产品物流需求量最优组合预测分析方法体系,并基于1995-2015年中国农产品物流需求量相关数据对我国农产品物流需求进行预测分析。实证分析结果表明,预测方法不但能够有效预测农产品物流需求量的整体变化趋势和细节波动,具有更高的预测精度,而且能够反映粮食产量、粮食价格等影响因素对物流需求量的作用机制。     

物流网络中多地区配送需求预测方法研究

物流网络较为复杂,当前预测方法只采用一种方法对物流网络中多地区配送需求进行预测,无法保证预测精度。提出一种新的需求预测方法, 通过两个或两个以上不一样的预测方法,对物流网络中多地区配送需求进行预测,构建物流网络中多地区配送需求组合预测模型,对不同方法进行加权组合,通过熵值法对组合预测模型的组合权重进行计算,充分利用不同预测方法的优点,获取较优的预测结果。通过残差检验和后验差检验,对组合预测模型的配送需求预测能力进行评价。实验结果表明,所提方法具有很高的预测精度。     

多元可变参数需求预测模型分析与应用

针对现有区域物流需求预测目标单一、预测数据复杂的问题,提出了多元可变参数的物流需求预测模型.在分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系的基础上,运用粗糙集理论对预测指标进行预处理,建立多输入多输出小波网络(multi-input and multi-output wavelet network,MMWNN)多元预测模型,采用迭代梯度下降法和逐步检验法确定预测网络中的可变参数.利用粗糙集约简后的评价指标来实现对多元区域物流需求的预测,实例仿真结果表明该模型具有较高的预测精度和有效度.     

基于误差补偿的物流需求混沌预测模型

针对当前单一物流需求预测模型误差大的缺陷,以获得更优的物流需求预测结果为目标,提出了基于误差补偿的物流需求预测模型。首先通过混沌理论对历史数据进行处理,挖掘物流数据中隐含的变化特点,建立物流需求预测的学习样本,然后采用最小二乘支持向量机对学习样本进行建模和预测,并采用自回归滑动平均模模型对最小二乘支持向量机的预测残差序列进行建模和预测,最后通过残差预测结果对物流需求预测结果进行误差补偿,并通过具体实例对模型性有效性进行测试。结果表明,该模型降低了物流需求的预测误差,明显改善了物流需求的预测效果,并且可以推荐其它预测领域。     

物流网络中多地区配送需求预测方法

物流网络较为复杂,当前预测方法只采用一种方法对物流网络中多地区配送需求进行预测,无法保证预测精度。提出一种新的需求预测方法,通过两个或两个以上不一样的预测方法,对物流网络中多地区配送需求进行预测,构建物流网络中多地区配送需求组合预测模型,对不同方法进行加权组合,通过熵值法对组合预测模型的组合权重进行计算,充分利用不同预测方法的优点,获取较优的预测结果。通过残差检验和后验差检验,对组合预测模型的配送需求预测能力进行评价。实验结果表明,所提方法具有很高的预测精度。     

基于经济转型背景下的物流需求预测

研究了经济转型背景下物流的需求预测.采用灰色关联模型对物流需求的主要因素进行关联性分析,得出本文选用的相关指标;结合区域经济、产业结构、科技创新和技术进步等相关指标构建系统动力学模型,对区域物流需求进行预测模拟.利用Ven-simPLE软件对中部六省2008～2017年的面板数据进行仿真模拟分析.研究表明,区域物流需求...     

基于SVM和神经网络组合预测模型的物流需求预测

物流需求的定量数据是区域物流发展政策和规划的重要依据,影响物流需求的因素很多,传统的预测方法无法全面考虑各种因素,预测精度较低。为了提高物流需求预测的精度,采用组合预测的方法,建立一种基于支持向量机和神经网络的组合模型。首先采用支持向量机进行预测得到预测基本数据,然后通过BP神经网络进行残差修正,通过算例仿真分析,结果表明组合预测模型具有更高的精度,是一种有效的预测方法,为物流需求预测提供了新的思路。     

基于时间序列分析的物流企业运输量演化模式与案例研究

提出一种时间序列预测模型用于物流企业货物运输量的预测.实验分析和比较研究表明,本文提出的方法具有更高的预测准确性,可用于货运企业的需求预测并组织生产.     

区域物流需求分析模型及其算法

物流需求量是区域物流中心功能设计和规模确定的依据，本文参考了宏观经济预测和交通需求预测的有关方法，构造了多区间投入产出模型和空间价格均衡模型相结合的区域物流需求分析模型，利用多区间投入产出模型能较好地分析地区间和部门间的经济关联，利用空间价格均衡模型能将物流产生作为内生变量处理，人而使区域物流需求分析模型成为包含宏观经济分析层和物流分析层的两层次决策问题，分析过程能同时把握社会经济条件和物流供应条件两方面因素，最后根据模型的特点，给出其求解算法。     

注意力机制的长短时记忆神经网络航线订座需求预测

针对航线订座需求预测中存在的预测结果不稳定,偏差较大的问题,提出了一种基于注意力机制 的长短时记忆神经网络(Long Short-term Memory Neural Network,LSTM)航线订座需求预测模型。首先, 对采集得到的航线订座需求数据进行数据清洗与指标计算处理,接着,对处理后的指标数据基于注意力机 制做权重分配,然后进行 LSTM 航线订座需求预测模型的建立,从而得到航线订座需求的最终预测结果 值。将训练优化得到的模型应用于国内某航司的航线订座需求预测中,计算出预测结果。实验结果表明, 基于注意力机制的 LSTM 航线订座需求预测模型预测精度较高,以厦门-上海为例,预测结果在与真实值 的对比下,平均绝对误差(Mean Absolute Error,MAE)为 13.1,均方根误差(Root Mean Square Error,RMSE) 为 17.2,相比较于移动平均法,指数平滑法,循环神经网络（Recurrent Neural Network,,RNN）,CNN-LSTM 混合模型有较好的预测效果。     

基于SVR的区域物流需求短期智能预测模型研究

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,而区域经济发展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发展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.为此提出了基于支持向量回归(SVR)的区域物流需求预测模型,不仅揭示了区域物流需求与区域经济发展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,通过实验证明了该方法的有效性.     

关于安徽省人才需求的组合预测

本文选取安徽省历年各个学历毕业生人数作为人才需求指标.根据2006年至2010年的历史数据对2011年至2020年安徽省人才需求做了灰色预测分析,然后根据安徽发展现状、经济发展前景运用柯布-道格拉斯生产函数对2011年至2020年安徽省人才需求进行了预测.然后使用两个模型的组合预测对模型的预测结果进行了修正.预测结果基本能够反映安徽省在"十二五"规划和"十三五"规划期间,也就是未来十年经济发展对人才的需求水平.     

基于压缩粒子群的弹性系数-投入产出物流需求预测模型

面向物流需求的预测问题,提出了一种基于压缩粒子群理论的弹性系数一投入产出物流需求预测模型．首先,引入弹性系数一投入产出模型,构建国民经济发展对物流需求的驱动模型;然后,基于压缩粒子群理论对物流需求的弹性系数进行优化预测,最终得到对未来物流需求的优化预测;最后通过应用算例验证了该模型的正确性和可靠性．     

基于QGA-LSSVM的能源需求预测

能源需求预测是能源规划和政策制定的前提和基础,能源需求预测受到众多因素的影响。为了快速、有效的预测我国对能源的需求,采用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数进行优化,建立最优的能源预测模型。收集1997—2011年我国能源需求的相关数据作为训练样本和测试样本,对影响能源需求的指标数据,利用因子分析,对关联程度较高的指标数据进行公共因子的提取,减少判别指标间信息交互,通过预测模型的检验,并对比其他预测模型,验证了该模型在能源需求预测中具有极低的误差率。     

我国社会物流需求量的非线性回归预测

为了更好地发展物流业,需要对物流需求量进行准确地预测.文中以1992-2011年的货运量来反映我国社会物流需求量,用非线性时间序列模型进行预测.该模型具有较高的拟合精度,可以比较准确地预测出2014-2023年的物流需求量,为我国物流业的合理规划提供参考.     

Prediction of the Logistics Demand Based on an Innovative Mixed Model: an Empirical Case from Nanping City,China

The research intends to make scientific prediction of the logistics demand of Nanping City based on mathematical model calculation so as to provide reasonable strategic guidance for the sustainable and healthy development of urban logistics industry. It constructs a comprehensive index system composed of freight volume and other eight relevant economic indices to form the foundation for the model construction. Combining forecasting models of principal component regression and GM( 1,1) together,it makes mathematical calculation to predict the logistics demand of Nanping City from the years 2018 to 2022. The research makes systematical analyses of the indices influencing the precise prediction of logistics demand from a new perspective,which offers an innovative and practical option for urban logistics prediction. In line with the prediction,it offers some suggestions for the improvement of demand prediction and some strategies for the better development of the logistics industry in Nanping City.