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。     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

基于灰色优势分析的区域物流GM(1,1)预测模型

区域物流需求的快速增长,对拉动区域经济增长及促进区域产业优化升级起到重要作用。应用灰色系统理论优势分析方法对河南省物流需求影响因素开展分析,依据分析结果建立河南省物流需求的GM(1,1)模型,并对该区域未来物流需求进行了预测;影响因素分析结果及物流需求预测数据可以为该地区在制定区域物流发展规划时提供参考。     

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。     

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.     

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.     

基于遗传BP神经网络的区域物流需求预测

针对当前区域物流需求预测数据复杂且可变性较大、预测方法环境适应性较差的问题,提出了基于遗传BP神经网络的区域物流需求预测模型。首先,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;其次,采用遗传算法优化预测网络中的可变参数,并建立多输入-多输出的BP神经网络多元预测模型;最后,通过实例结果表明该模型具有较高的预测精度和有效度。     

区域物流系统动力学模型及其算法分析

根据中国区域经济的发展趋势，将系统动力学基本原理与现代物流有机结合，探讨了区域物流系统动力学的全新理念与建模方法，并根据区域物流系统动力学模型的特点，推导出了其数学解析式．通过对珠江三角洲区域物流系统的分析，论证了该模型的实用性与理论指导意义，为区域物流系统的整合与调配提供了一种新的研究方向.     

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．     

中国跨境电商物流市场规模预测研究

 利用灰色关联分析确立了中国跨境电商市场规模预测研究的指标体系，借助多元回归和灰色预测完成了实证分析，借助跨境电商市场规模的预测数据完成了跨境电商物流市场规模的预测。预测结果显示，至2020年中国跨境电商市场规模将达到10.61024万亿元。根据唯品会和亚马逊财报分析，判定中国跨境电商物流的市场规模至2020年将达到1万亿~1.6万亿元。     

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.     

基于云模型的厦门保税船用燃油需求短期预测

为了准确预测厦门保税船用燃油需求量,首先,构建厦门保税船用燃油需求云模型,预测供需平衡条件下2020年厦门保税船用燃油需求量。选取外贸集装箱吞吐量、集装箱吞吐量、厦门GDP 3个指标作为输入变量,构建logistic回归预测模型。对厦门保税船用燃油需求量进行预测,将两种模型的预测结果与2020年厦门保税船用燃油实际值进行比较,结果显示,基于云模型的厦门保税船用燃油需求预测比logistic回归预测模型更精确。最后,选择云模型对2021年厦门保税船用燃油需求量进行预测。     

一种基于CPFR的订单预测方法研究

协同规划、预测与补货(Collaborative Planning Forecasting and Replenishment,CPFR)强调零售商与供货商共同合作建立一个供应链的预测方式,其中协同预测阶段又分为订单预测与销售预测.以订单预测阶段为研究对象,归纳出协同合作下订单需求的影响因素作为模型的解释变量,然后结合传统时间序列与多元回归分析,建立了基于CPFR的订单预测模型.最后将该预测模型应用于国内某公司的订单资料.验证结果表明所提出的订单预测方法比传统使用单一时间序列方法的预测结果精度更高.     

交通能源需求量组合预测模型研究

本文尝试将组合预测法应用于我国交通能源需求量的预测,以提高预测精度．通过赋予合理权重,将误差修正模型、非线性回归模型和多元回归模型加权组合建立组合预测模型．对各模型进行平均绝对百分误差（MAPE）、希尔不等系数（Theil IC）和均方根误差（RMSE）等指标的比较,证明单一模型经过组合能够提高预测精度．     

基于Logistic回归、Markov过程和改进灰自助法的导弹备件需求预测

 为了提高预测间断性需求导弹备件的精度,提出一种基于Logistic回归、Markov过程和改进灰自助法的组合预测模型。将样本序列划分为解释变量序列和自相关序列,对解释变量采用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,把这两方面组合得到提前期非零需求发生概率,再运用改进灰自助法进行需求分布确定,得到最终的提前期需求。改进灰自助法先进行Bootstrap抽样,进行GM(1,1)二次数据拟合,既克服了Bootstrap法在小子样下的重复抽样问题,又克服,Bootstrap法在小子样下仿真结果不可信的问题。实例表明,提出的组合预测方法降低了预测误差,说明了该方法的有效性、可行性和实用性。     

基于小波分析的短时交通流非参数回归预测

短时交通流预测是交通诱导与控制的关键技术之一.传统的预测方法难以预测短时状况下具有较强不确定性的交通流.根据交通流信号在不同的时频域空间的不同特性,提出一种组合小波分析和非参数回归的短时交通流预测方法,并对其原理进行了详细分析和描述.首先对交通流时序信号进行多分辨率小波分解,然后对低频和高频分量分别进行单支重构.在此基础上,引入非参数回归对各频率部分分别进行预测,组合各频率空间的预测分量获取预测结果.实验结果验证了该方法的有效性和可行性.     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

基于逻辑回归的计数型质量特性健壮参数谨慎控制策略

针对制造过程中存在的计数型质量特性，研究了相关基于统计回归模型的健壮参数控制（RM RPC）方法的建模和优化求解.引入谨慎控制的概念，与提出的一种逻辑回归方法整合后对过程进行建模，以提高RM RPC方法在不确定性环境中的健壮性，并在此基础上给出运用逻辑回归方法进行优化求解的流程.以表面贴装制造过程为例进行了应用分析.结果表明，所提出的研究方法在提高过程质量和稳定性上是有效的.     

Towards Disaggregate Dynamic Travel Forecasting Models

The authors argue that travel forecasting models should be dynamic and disaggregate in their representation of demand, supply, and supply-demand interactions, and propose a framework for such models. The proposed framework consists of disaggregate activity-based representation of travel choices of individual motorists on the demand side integrated with disaggregate dynamic modeling of network performance, through vehicle-based traffic simulation models on the supply side. The demand model generates individual members of the population and assigns to them socioeconomic characteristics. The generated motorists maintain these characteristics when they are loaded on the network by the supply model. In an equilibrium setting, the framework lends itself to a fixed-point formulation to represent and resolve demand-supply interactions. The paper discusses some of the remaining development challenges and presents an example of an existing travel forecasting model system that incorporates many of the proposed elements.     

Traffic Forecasting Model Based on Takagi-Sugeno Fuzzy Logical System

The local multiple regression fuzzy(LMRF)model based on Takagi-Sugeno fuzzy logical system and its application in traffic forecasting is proposed. Besides its prediction accuracy is testified and the model is proved much better than conventional forecasting methods. According to the regional traffic system, the model perfectly states the complex non-linear relation of the traffic and the local social economy. The model also efficiently deals with the system lack of enough data.