组合预测模型在安徽省粮食产量预测中的应用

利用安徽省粮食产量的历史数据,分别采用一元线性回归、指数曲线及神经网络方法建立了安徽省粮食产量的预测模型。以此为基础,建立了安徽省粮食产量的组合预测模型,并对模型的适用性进行了检验。最后,应用该模型对安徽省未来10年的粮食产量进行了预测。结果表明,组合预测模型可以作为安徽省未来粮食产量预测的有效工具。     

组合预测模型在物流需求预测中的应用

通过对物流需求影响因素的分析，建立了回归分析、灰色系统及神经网络方法的物流需求单项预测模型，鉴于单项预测模型的局限性，以误差绝对值加权和最小为最优化准则，建立了物流需求组合预测模型，并辅以实例进行分析和验证，通过误差的分析表明该模型能够改善预测精度，可以作为未来物流需求量预测的有效工具。     

安徽省城镇居民人均消费的组合预测

在灰色预测、回归预测和时序预测基础上,建立1990到2009年安徽省居民人均消费组合预测模型,并通过误差指标评价体系对组合模型和单项预测模型进行评价,结果表明组合预测模型的各误差指标远低于三种单项预测模型预测误差指标值。最后预测了我省近三年城镇居民人均消费值并进行了评价。     

安徽省城镇化水平预测———基于IOWHA算子的组合预测

以1990-2011年安徽省城镇化水平为样本区间,在指数平滑、灰色预测与回归预测三种单项预测方法的基础上,以预测倒数误差平方和最小为准则,建立IOWHA算子组合预测模型;对该模型的预测有效度的评价结果表明该组合预测模型能有效提高预测精度;根据该组合模型预测出安徽省2012-2015年城镇化水平将分别达到46.35％、47.89％、49.44％、50.98％.     

基于神经网络组合模型的能源消费量预测研究

为了提高预测的精度,将神经网络组合预测模型应用于能源消费总量预测中,通过建立RBF、ELM、BP神经网络预测模型,用熵值法确定组合预测模型的加权系数,建立神经网络组合预测模型.利用安徽省统计年鉴获得的1991～2007年安徽省能源消费总量进行检验仿真,结果表明组合预测模型的误差较小,精度较高,预测结果更接近于实际情况.     

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.     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型．然后在三个单一预测模型的基础上综合各个预测模型的优缺点．通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型．最后对几种预测方法进行了评价,得出组合预测效果比较精确．     

灰多元前移线性回归组合预测模型的构建及其应用

基于灰色系统理论具有时间序列和累加的特性,将灰色理论引入到前移线性回归分析模型中,建立一种新的组合预测模型―灰多元前移线性回归组合预测模型.该模型很好地处理了灰色系统模型中难以体现线性因素的问题,同时也大大弱化了前移线性回归分析模型中异常数据对预测效果的影响,使预测能及时跟踪因变量的动态变化.本文重点将上述组合预测模型应用于湖南省电力需求的预测问题中,结果表明,该模型在实际应用中是十分有效的,预测结果可以作为管理决策的理论依据.     

应用支持向量机的空中交通流量组合预测模型

为了提高空中交通流量预测的准确性,研究了将支持向量机(support vector machine, SVM)应用于空中交通流量预测的方法,建立了基于SVM的自回归预测模型,讨论了模型参数确定等关键问题.在SVM预测模型基础上,将SVM与多项式和鲁棒自回归预测模型结合,提出组合预测模型.利用北京周边空域实测流量数据进行的对比实验结果表明: SVM预测模型的预测误差小于5%, 组合预测模型的预测误差小于2%, 均优于多项式和鲁棒自回归预测模型;组合预测模型的预测精度和稳定性整体上又优于SVM预测模型.     

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。     

江苏省物流需求影响因素分析及预测

对物流需求进行合理、科学的预测,为政府部门进行物流规划、统筹物流资源的供给提供依据。在利用主成分分析法选取适当指标的基础上,构建了多元线性回归预测模型,并对江苏省2012--2018年的物流需求量进行了预测研究。通过检验分析,证明了该模型的拟合度较好、预测精度较高、具有较好的显著性水平,预测结果具有可信性。预测研究的结果表明,江苏省物流需求在预测的时间范围内,将呈现较为显著的增长趋势。     

安徽省物流发展的空间格局

安徽省物流处于起步阶段,随着中部崛起和安徽东向战略的实施,其物流产业的发展前景广阔。在确定省域物流枢纽城市和综合物流中心城市,评价各地级市可达性和划分出各市域物流实力等级的基础上,刻画了安徽省物流综合实力的点线面空间发展格局,并按照点-轴-面的物流空间组织模式,提出营建T型物流经济带和Y型物流经济带,即以合肥、巢湖轴线与沿江城市轴线构成的T型经济带;以淮北、蚌埠、阜阳、淮南、合肥等组成的Y型物流经济带。实现以点带轴,以轴带面,推动安徽省物流产业向纵深发展。     

上海浦东国际机场货运吞吐量预测

航空货运量的预测为机场货运业务的科学决策以及对资源的优化配置提供了基础.在分析浦东机场航空货运吞吐量与经济因素的基础上,建立了以长三角GDP为自变量的相关回归分析预测模型.通过统计检验及实际数据与预测结果的比较,证明了该模型在预测浦东机场航空货运吞吐量方面的可行性,并具有较高的精度.     

基于最优加权法的航空货运量组合预测

以1997～2007年我国航空货运量的统计数据为基础,采用灰色GM(1,1)模型和回归分析模型进行组合优化,建立了基于最优加权法的航空货运量组合预测模型,并对组合预测模型进行检验.检验结果表明,组合预测模型是有效的、可靠的,具有较高的预测精度,可应用于实际预测.     

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.     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

现代物流中心的货物配送问题

为了实现我国物流现代化和提高现代物流中心货物配送的效益 ,本文从现代化物流中心货物配送的定义出发 ,阐述了现代货物配送的特点 ,并对现代物流中心的货物配送作业环节进行了分析 ,提出了我国现代物流的配送体系结构 ;最后对合理组织货物的配送做了简要的分析和阐述 ,重点以货物配送的配装作业环节为例分析了货物的配送问题 ,并应用数学规划知识建立了货物配装模型以优化货物的配装作业 ,从而为解决现代物流合理化配送问题提供了科学的思路 ,同时也为实现我国物流现代化提供了促进作用 .