一类产品需求预测的支持向量机方法

 需求预测是企业生产运营决策的基础,预测精度影响着产品的安全库存量,关系到企业利润和市场竞争力.建立了一类产品（包含多个品牌）基于支持向量机(support vector machine, SVM)的需求预测模型.在该预测模型中考虑了诸如季节性和促销等不确定性因子对产品最终需求的影响.模型的训练数据和测评数据采用的是由该类产品需求函数生成的数据.测试阶段的评价则是通过与其他统计模型（回归预测方法(REG）、双因素指数平滑法(DES)、Winter模型预测方法(WIN)）和径向基神经网络模型(radial basis function neural network, RBFNN)的对比来实现的.实验结果表明,基于SVM的需求预测模型预测精度明显优于其他模型,有效地降低了产品安全库存量,提高了企业利润,为解决这类产品需求预测问题提供了一个有力的工具.     

曲线拟合度分析法在公路货运回归预测中的应用

对曲线拟合度分析法的基本原理进行了介绍,阐述了回归预测中引入曲线拟合度分析法的作用,并选取杭州市"十一五"期间货运量与生产总值数据构建若干回归预测模型,通过曲线拟合度比较分析,优化了预测模型选择.实验结果表明该方法所获得的模型预测结果相对接近于实际.     

基于指数平滑与回归分析的手机销量预测研究

以手机为例,研究电子产品销量问题.建立指数平滑法与回归分析法相结合的手机销量预测模型,得出手机销量预测数据,并与MATLAB工具建立的拟合预测模型所得预测数据进行对比分析,从而确定本文所建立模型的最优性.     

基于时序预测与异常检测的烟草违法销售预警

为提升烟草市场监管水平，通过某烟草专卖局的协作调研和历史销售数据，构建基于深度自回归网络(Deep auto regression network, DARN)和季节性自回归差分移动平均模型(Seasonal auto regression integrated moving average, SARIMA)的混合预测模型。然后以预测销量为基础进行异常检测，设计了烟草商户违法销售预警模型。实验表明混合预测模型较单个模型预测误差均有改善。预警模型在测试集上达到50%查实率，满足市场监管预警基本要求。     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

基于优化广义回归神经网络的碟式太阳能温度预测研究

为了解决用传统数学模型预测碟式太阳能集热器出口温度过于复杂的问题,采用广义回归神经网络算法对太阳能集热器出口温度进行预测,引入交叉验证算法对神经网络模型进行优化,进一步提升预测的准确性,通过Matlab软件建立基于优化广义回归神经网络的蝶式太阳能出口气温预测模型.根据碟式太阳能光热系统试验平台的试验数据对所建立的模型进行了测试,预测结果符合预期,这表明优化后的广义回归神经网络能够实现对蝶式太阳能集热器出口气温的有效预测.该模型具有一定的应用前景,为预测模型研究提供了一个新的思路.     

基于GRA和AHP的GRNN神经网络零件失效概率预测方法

为了提高对机械零件失效概率的预测精度,提出一种基于GRA和AHP的广义回归神经网络零件失效概率预测方法.在分析机械零件失效概率影响因素的基础上,首先利用灰色关联分析法(Grey Relational Analysis,GRA)分析影响机械零件失效概率的主要因素,通过层次分析法(Analytic Hierarchy Process,AHP)构建机械零件失效概率的评价指标层次体系,评估各个指标对于零件失效概率的权重;结合各个指标权重与初始值,以获取各指标的加权评价值;最后通过广义回归神经网络(Generalized Regression Neural Network,GRNN)建立以各指标加权评价值来预测机械零件失效概率的预测模型.利用本文方法所建立的预测模型对某企业数控转台的上齿盘失效概率进行预测,并与传统的GRNN神经网络预测模型、BP神经网络预测模型和回归预测模型进行对比,结果显示本文所建立的模型预测误差小于0.8%、残差在-0.2%～0.2%范围内,均优于对比模型的预测结果,表明所建立的预测模型具有更高的精度和更强的稳健性,适合于零件失效概率的预测.     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

基于GIOWA算子的中国FDI预测研究

首先通过相图对我国1980~2014年实际利用外商投资(FDI)的数据进行检测发现不存在混沌吸引子,即得出FDI可预测性的结论.接着在ARIMA、Logistic模型、多元线性回归模型的基础上并通过引入GIOWA算子,利用我国实际利用外商投资总额建立一个组合预测模型,并把它应用于我国FDI的预测.通过各类误差比较得出组合预测显著优于三个单项模型的预测结果,证明了组合预测模型对于时间序列的预测具有更好的预测效果.最后利用所建立的组合预测模型对2015~2017年我国FDI进行预测,预测结果表明接下来的三年我国FDI将保持低于5%的增长率稳定发展.     

基于混合神经网络的机械设备健康度预测

为了建立安全高效的机械健康监测系统,提出一种数据驱动的机械设备健康度预测方法.首先,结合幅值域与频域分析方法提取振动信号特征;然后,构建以偏最小二乘回归法和深层神经网络为两层架构的混合神经网络模型;最后,采用该模型提取设备特征,并预测机械设备健康度.将所提出模型与传统单层架构模型进行实际工业数据验证,结果表明所提出的基于振动信号分析的混合神经网络健康度预测模型具有更好的预测趋势及更高预测精度.     

谈职业女装设计

随着人们审美水平的提高，职业女装已成为女装中的重要部分。以前有关职业女装的系统研究很少，本文对不同职业女装的设计要领及职业女装的造型、色彩、材质等方面提出一些有益的见解，为职业女装设计提供了理论指导     

服装热舒适性与衣内微气候

本文介绍了热舒适、热感觉及衣内微气候的基本概念,分析了服装的热湿性质对衣内微气候的影响,并指出了衣内微气候理论还有待进一步研究的工作和充实的内容。     

服装形态与服装设计

服装形态是服装在一定条件下的表现形式,随着一条条件下的元素的增加,服装形态变得越来越丰富,人,面料是服装形态的主要元素,服装的内空间的变化,服装面料中的欧普艺术和闪光面料均能使服装形态动态化,服装形态具有时代性,延续性,渐变性特征,分析服装形太的根本目的在于服装设计。     

服装传热传湿的分析与研究

从分析服装的传热传湿的机理出发，在总结前人实验及理论研究成果的基础上，对服装传热传湿性能及数学模拟进行了一定的探讨和分析，并指出了前人研究中值得改进和加强之处。     

整合营销理念中的服装设计教学

通过对服装教育现状形成原因的分析．提出运用整合营销理念改革服装设计教学的全新思路。     

唐代妇女日常服饰与对外文化交流

文章拟从唐代妇女主要日常服饰如衫、襦、裙、半臂、披帛等来入手,分析唐代女装独特时代特色,揭示出它与唐代的历史政治、经济、文化诸因素的密切关系,以及对外文化交流对唐代服饰变化的重大影响,说明唐代女装所表现出来的丰美华丽、豪放大气的风格与胡服有着密切的联系。     

我国纺织品服装出口技术性贸易壁垒研究综述

我国纺织品服装出口屡屡遭遇国外发达国家的技术性贸易壁垒：对技术性贸易壁垒内涵的表述和出口商品遭遇技术性贸易壁垒的成因学术界持有不同观点；导致技术性贸易壁垒的深层原因是社会消费文化差异，充分了解进口国的消费文化特征有利于突破国外技术性贸易壁垒。     

中国服饰文化中传统造型元素在现代服装中的运用

传统的服饰造型元素大量地融合于现代服装设计制作之中。时下最时髦的一种服装风格,便是在西方风格的衣服设计中加入一到两种中国传统造型元素,这种组合往往会产生惊艳之美。现在的中国传统造型元素,不再是古老、死板的象征,而是等同于自然、朴实、亲切,并蕴含着丰富的内涵。文章首先分析了传统造型元素在现代服装设计中的应用手法,其次,从传统造型元素与服装款式;传统造型元素与服装部件;在现代服装设计中,运用传统衣饰元素;云肩在在现代服装设计中的应用等方面就传统造型元素在现代服装设计中的应用进行了深入的探讨,具有一定的参考价值。     

高校服装专业人才培养中存在的问题与对策

现代服装行业需要既擅长设计,又懂工艺、懂流行时尚、懂市场营销的综合性人才,但是,目前的服装教育局限于技能的培养,不能全面把握服装的内涵,不能做到课程设置与职业属性的无缝对接,不能做到艺术与技术的完美结合,培养出的学生不能驾驭市场,竞争力较弱。为此,我国服装教育应深化改革,紧紧围绕市场要求,走产学合作道路,构建既完善又灵活的教学体系,创新教学模式和教学方法,只有这样,才能为我国服装行业培养更多的复合型高技能人才。