新零售目标产品的精准需求分析与预测

首先,借助SPSS软件、R软件,结合单因素方差分析法和深层次回归分析法研究了零售商品单款单色(SKC)销售量的影响因素及其作用效力;然后,借助R软件灰色预测了某目标小类的销售量,借助Excel软件结合平均绝对百分比误差法得到了预测数据的精准度;最后,将预测模型用于预测某目标小类未来的销售量和库存量.结果 表明,销售方式对零售商品SKC销售量具有显著影响;零售商品SKC销售量各影响因素按影响程度由大到小排序为库存、折扣和售价;目标小类各用平均绝对百分比误差大多小于1,最小为0,可认为模型的预测精度较高.对某目标小类未来的销售量和库存量的预测结果显示,该小类存来明显的供大于求现象,需要适当调整库存管理策略.     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

基于共享单车出行数据的用户行为分析

基于共享单车出行数据,对用户总体出行时间和强度进行分析,并据此对高频用户出行日期和路线进行分类,针对用户出行目的地建立预测模型.结果表明,工作日和休息日出行时间分布存在显著差异,出行强度具有频率低、距离短的特征;高频用户出行轨迹在工作和休闲两维度上可归纳为三种类型;基于共享单车历史出行数据,建立用户出行目的地预测模型所得的准确率较为合理.     

基于保角映射的断层影响区内隧道涌水量预测

建立了断层影响区内衬砌隧道渗流模型.在该模型中,断层被视为地下水补给边界,以隧道涌水量作为衡量依据将隧道横断面内倾斜断层等效为竖向断层.利用镜像叠加原理将有限边界渗流问题转化为半无限空间渗流模型,再通过保角坐标变换和极坐标联立求解渗流微分方程,推导富水断层影响区内地下水头半解析公式,得到了隧道涌水量计算公式.经过退化验算、数值模拟及现场实测数据对比,验证了公式的正确性.在此基础上,探讨了地层与衬砌的相对渗透系数(K_S/K_L)、隧道与水位线的距离(h)、隧道与断层的距离(L)对涌水量的影响:K_S/K_L对涌水量的影响最显著;其次为h,h也会影响L的作用效果,h越大,L的影响程度也越大.施工过程中应加强注意衬砌防水措施的施作,隧道线路的选择应尽可能考虑埋深设计,避免高水头压力.     

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数据对比验证了回归-卡尔曼滤波组合模型在航道整治区域船舶交通流时空预测方面的有效性与可靠性.     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

基于模型预测控制的孤岛微电网频率二次控制策略

在多逆变器并联的孤岛微电网系统中,由于线路阻抗以及负荷分布不均等因素的影响,采用传统的下垂控制会导致稳态下系统频率偏离额定值.为了消除频率偏差,通常采用分层控制方法,但二次层中采用PI控制无法解决不确定通信延时对系统稳定性的影响.为此,在分层控制的基础上,提出了一种基于模型预测控制的孤岛微电网频率二次控制策略,在二次控制系统设计中采用模型预测控制方法,以此解决不确定延时对系统频率的影响;并采用小信号模型和参与因子分析系统的稳定性.最后,通过Matlab/Simulink仿真验证采用所提控制方法的分层控制系统对不确定延时具有较强的鲁棒性,验证了所提控制方法的有效性和可行性.