基于矩阵分解的电力物资需求预测

准确预测变电站及配网工程的物资需求,对于节约工程成本,提高资金利用率,具有重要意义.尽管研究者在电力物资需求预测方面已经开展了一系列的研究,提出了很多预测模型和算法,例如基于神经网络的算法,然而,这些算法普遍存在输入数据过于简单和理想、仅对少数几种物资的需求量进行了预测实验、预测的准确率偏低等不足.因此,目前生产系统普遍采用人工方式进行电力物资需求预测,由有经验的领域专家根据工程初步设计方案预测各类物资的需求量.为了解决现有电力物资需求预测方法存在的不足,本文提出基于矩阵分解的预测方法,以电网建设项目物资需求历史数据和项目计划的部分物资作为输入,通过矩阵分解算法对项目其他物资需求用量进行预测.矩阵分解算法不需要大量的历史用量数据,只用部分项目的物资数据就能进行预测,且算法不需要提前进行训练.     

基于约束调度的消耗性航材备件需求预测分析

针对传统航材备件需求预测方法忽略了对需求约束调度条件的获取,导致对航材备件的需求预测效率较低、成本偏高,提出一种新的基于约束需求预测的消耗性航材备件需求预测方法,并进行试验分析。假设某消耗性航材备件的储备量分布密度满足泊松分布,计算该消耗性航材备件及时保障概率。依据航材的年周转量,求出不同周转件所需总储备量,以获取总及时保障率。给出需求约束调度条件,将约束调度和需求预测成本最小作为目标函数构造消耗性航材备件需求预测模型,通过遗传算法对其进行求解,获取最优需求预测结果。将文献[5]方法和文献[6]方法作为对比进行实验,发现所提方法需求预测准确率高,效率最高,且可达到应急要求。     

企业物资需求预测神经网络专家系统

分析了我国多品种中小批量机械加工企业物资需求的特点和构成,将人工神经网络和专家系统有机地结合起来,设计并开发了一个辅助企业物资需求预测的人工神经网络专家系统.给出了实际应用例子,并对预测结果进行了分析.     

应急物资需求预测研究现状与发展趋势

应急物资需求预测研究是灾后应急救援的重要组成部分。为系统了解应急物资需求预测的研究现状,查阅大量国内外参考文献,对目前应急物资需求预测研究中常用的案例推理法、神经网络法和灰色系统预测法进行了讨论分析,总结了各自的优缺点及适用条件;并分析总结了近几年的研究重点方向。结果表明,应急物资需求预测在多元化、准确性、智能化等方面的进一步研究对灾后救援有着更大的现实意义。基于此,本文对应急物资需求预测未来的发展方向及研究重点进行了展望,对于应急物资需求预测未来的研究及应急救援体系的建立具有一定的参考作用。     

基于粗糙集和神经网络的空军航材消耗预测方法

针对空军航空器材消耗受某些影响因素的冗余性、非定量性以及消耗预测模型中很难体现问题 .分析了影响航材消耗的因素 ,利用粗糙集知识约简方法去除冗余 ,选择主要影响航材消耗的因素 ,利用神经网络建立消耗预测模型 .最后对该模型的预测效果与直接神经预测的效果进行了比较 ,显示了该模型的有效性和实用性 ,为航材消耗预测提供了一种新的有效决策方法 .     

基于多元线性回归的装备维修器材消耗量预测

针对装备维修器材消耗量的几种主要影响因素,采用实际统计样本数据,构建了装备维修器材消耗量的多元线性回归预测模型.在结合算例分析的基础上,运用多元线性回归方法对装备维修器材消耗量进行了预测并检验.该研究成果为装备维修器材消耗量的预测提供了一种贴近实际的科学合理方法.     

朝长地区储层动态分析

本文在朝长地区静态分析的基础上,结合储量分类情况,充分利用测试、试采及开发井等动态信息,对各类储量区压力、产量数据的变化特点进行分析,应用试井技术定量描述各类储量区块稳产能力,在朝长地区开展了储层动态分析研究,为准确预测该区产能,提交高品质探明储量以及后期开发方案的编制提供了重要的依据。     

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．     

一种战时航空弹药需求预测方法

针对目前航空弹药作战需求仅从总量考虑,忽视需求结构的问题。研究从总量及结构两个角度对作战需求进行综合预测,分别构建了航空弹药的作战需求总量预测模型及需求结构模型,对航空弹药作战需求进行更精准的预测。通过对近两次局部战争中的航空弹药需求量变化规律进行分析,得出航空弹药需求总量预测的威布尔分布模型,在需求总量预测基础上,结合航空弹药作战的具体情况,构建了航空弹药需求结构模型,运用层次分析法求解,获得航空弹药需求的最优结构,并结合实例对方法的有效性进行验证分析。研究得出的最优结构模型能够在一定条件下精准地预测战时航空弹药的需求量,为决策者提供可靠的参考及依据。     

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.     

参数优化变分模态分解与LSTM的电力物资需求预测

国家电网物资采购管理水平不断提高,线上采购流程逐步完善,但仍存在由于采购计划预估不准导致招投标过程中,供应商利用招投标总标包机制进行价格博弈而造成电网公司采购成本增加,因此,建立准确有效的电力物资需求预测模型具有重要意义。针对电力物资序列的非稳定性、波动性和间歇性特点,提出一种基于参数优化变分模态分解(variational mode decomposition, VMD)与长短时记忆神经网络(long short-term memory, LSTM)的电力物资需求预测方法,选取国网电商专区平台的典型电力物资,采用鲸鱼优化算法(whale optimization algorithm, WOA)参数优化的VMD对原始序列进行模态分解,将分解获得的各模态分量分别构建LSTM模型,最后将各模态的预测值叠加重构为电力物资的预测值。实验结果表明：所提电力物资需求预测方法较LSTM、EMD-LSTM、VMD-LSTM、PSO-VMD-LSTM、SSA-VMD-LSTM有更高的准确率,对电网物资采购预测具有一定实际意义。     

利用物质平衡法评价气井井间干扰

在对气藏投产过程中气井流动边界变化、单井动态储量变化和压降曲线变化分析的基础上,本文提出了五种不同压降特征曲线的物质平衡模型。反映了气井受到井间干扰后的不同压降特征。并利用某区块内一口典型气井进行了计算。结果表明,干扰后气井动态储量比干扰前明显减少。为利用气井生产数据准确判断气井的干扰程度和动态储量的准确计算提供了实用的方法。     

混合储备模式下洪涝灾害应急物资配置结构优化

为了提升洪涝灾害应急响应能力,提出应急物资三主体混合储备模式,根据三主体供应特点和物资需求条件,构建了以最小政府成本和最低灾害损失为目标,以保障能力、政府成本及企业利润为约束的洪涝灾害应急物资配置模型,并通过模型的求解及简化,确定了不同储备模式的适用范围。在对以块石为代表的洪涝灾害应急物资算例计算的基础上,分析比较了不同储备模式下的最优配置结构,并针对与政府决策相关的重要参数进行了敏感度分析,结果表明,对于以块石为代表的洪涝灾害应急物资,建议采用以政府直接储备为主、委托企业储备为辅、社会力量代为储备为补充的储备模式,物资的现货市场采购成本会影响物资储备总量,政府储备库采购储备成本、企业期权价格会影响物资配置结构。     

变权重组合模型在路基沉降预测中的应用

通过对软土路基沉降发展规律及其沉降曲线特点的深入研究,结合4种单项软土路基沉降预测模型提供不同的有价值预测信息的特点,引进重组合预测思想,在单项预测模型的基础上提出了路基沉降变权重组合预测方法,工程实例分析表明,利用该模型与方法得到的预测曲线与实测曲线吻合良好,能够满足工程要求,此外,变权重组合预测模型比其它单项模型具有明显的优越性,为软土路基沉降发展预测提供了一种有效而实用的方法.     

新型交通组合需求预测方法的研究

通过分析现有交通组合需求预测模型，并根据投入产出原理，提出了一种新型的交通组合需求预测的方法－投入产货运生成与分布组合预测方法，该方法的实施将简化交通需求预测的工作量，使其在实际工程中能得到应用。     

能源需求的支持向量机预测

对灰色、神经网络和支持向量机的三个预测模型进行了研究,以某城市的1999-2006年能源需求为例,对能源需求进行了预测.经过比较,支持向量机的预测方法精度较高.     

基于因果分析和相似日选择的共享单车需求量预测组合模型

共享单车的需求量预测是优化车辆系统布局、实现车辆合理调度的基础。为了提高共享单车需求量预测模型的精度，建立了基于格兰杰因果分析和相似日选择的组合预测模型，研究了时间和天气因素对共享单车出行需求的影响。应用格兰杰因果检验方法，筛选出影响共享单车需求量变化的关键天气指标。然后，基于天气特征向量的灰色关联度指标，提取待预测日各时段的相似日样本集。综合随机森林回归、支持向量回归等机器学习算法，建立了Stacking策略的组合预测模型，对区域分时共享单车需求量进行预测。最后，对北京市共享单车用户的骑行数据进行实例分析。结果表明相较单个机器学习预测模型，提出的组合预测模型的平均绝对百分比误差下降了9.1%，提高了共享单车短时需求预测的科学性和准确性，可为实际车辆调度提供参考依据。     

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。     

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.     

区域物流需求预测的COMR方法

针对区域物流需求规模短期预测建模的特点,结合核方法和支持向量回归的研究进展,提出了一类带约束的最优多元回归模型。该模型综合考虑了多元回归函数的拟合误差、泛化能力以及非线性预测建模的特点,为区域物流需求增长预测提供了一种新方案。对上海市最近5年物流需求规模的预测也验证了该模型的有效性。