商品月批发额的时序模型

利用时间序列分析的有关理论，对某商品月批发额的５２个历史数据进行了分析、处理，为其建立了一个适用的数学模型，并作出了预报。     

基于Odds-Matrix算法的中长期电量组合预测方法及其应用

中长期电量的组合预测存在权重选择困难,适应性、抗干扰性较差的问题.文中结合目前广泛应用的组合预测技术,设计了以Odds-Matrix算法为核心的Odds-Matrix组合预测方法.该组合预测方法利用Odds-Matrix算法对单一预测模型的有效性进行定量分析,用权重概率分布函数来描述各个方法的优劣,然后根据权重进行单一预测模型的筛选和组合.利用实际数据对所设计的Odds-Matrix组合预测方法进行测试,结果表明,文中预测方法的精确度较其他常用组合预测法较高,说明该方法具有较强的适应性与抗干扰性.     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的     

基于组合模型的中小电商商品短期需求预测

近几年,中小型电商企业迅速崛起,库存成本过高遏制着中小型电商企业进一步发展。精确的短期需求预测可以帮助中小电商企业减少库存积压,节约库存成本。为了准确预测中小电商企业产品的短期需求量,通过建立关于GM(1,N)多维灰色模型和GA-BP神经网络模型的组合模型,将三个模型运用到实例中进行预测,对比预测结果以验证组合模型预测效果。预测结果显示,组合模型较GA-BP模型、GM(1,N)模型具有更高的预测性,具有较好的预测效果,对中小电商企业库存管理有重要应用价值。     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的预测方法。     

季节型趋势模型在供电量预测中的应用

应用季节型趋势模型，采用先定线性趋势和先定季节指数两种预测方法，对某市2002年供电量进行预测，其预测结果为电网发展规划和电力生产计划提供了重要的依据。     

不同增长趋势下中长期电量预测组合优化灰色模型

针对中长期电量预测中时间跨度大、电力需求增长不确定的特性，根据不同时期的增长率，运用灰色理论进行优化分段预测，同时引入组合模型的概念，建立了以残差平方和最小为目标函数的组合优化模型，并运用二次规划法求解，算例证明，该方法能得到较高精度。     

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。     

灰色时序组合模型的改进及高校报名趋势预测

剖析了高校报名人数时间序列数据的特点,发现其序列数据兼具趋势性和随机波动的特点,传统模型中的灰色时序组合模型拟和这类数据有一定的优势,通过实验发现该模型的误差还是较大的,对该组合模型在组合方式上进行了创新性的改进,为了检验模型,将其应用于高考报名的趋势分析,发现无论是模型的拟和精度还是预测能力都有了较大提高.     

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。     

基于网络模型的节点阻抗矩阵的新算法

结合配电网结线图特点 ,建立了反映支路电流向节点分布规律的数学模型。在此基础上 ,根据节点阻抗矩阵各元素的意义 ,提出了一种节点阻抗矩阵各元素的简单且准确的计算方法     

基于网络模型的节点阻抗矩阵的新算法

结合配电网结线图特点,建立了反映支路电流向节点分布规律的数学模型。在此基础上,根据节点阻抗矩阵各的元素的意义,提出了一种节点阻抗矩阵各元素的简单且准确的计算方法。     

煤仓胶带系统最佳控制的数学模型

应用最佳控制的理论建立了煤仓胶带系统的数学模型，并结合简例分析了数值解法，给出简例的数值解。通过对结果的分析，说明数学模型和解法都是正确的。     

求解渗碳的计算机数学模型的一种新算法

提出用追赶法，求解扩散方程Ｃτ＝Ｄ２Ｃχ２，由此建立了一种新的渗碳的计算机数学模型，与逆矩阵法相比，具有计算公式简单、运算量少、节约存储单元及耗费机时少的优点。利用一台电子计算机可以模拟渗碳过程的进行，计算结果基本与实际相符     

两段式渗碳数学模型的精确解

导出了在第三类边界条件下两段式渗碳数学模型的精确解。与有限差分法数值解进行了比较，说明精确解的正确性和适应性。     

我国有色金属出口额的组合预测模型

有色金属产品是我国出口商品结构中的一个重要组成部分,在竞争激烈的国际市场上,中国有色金属产品的出口前景如何,需要我们用科学的方法加以预测。本文以一个典型产品(锑品)和一个典型市场(美国市场)为例,分别用二元线性回归模型和时间序列分析,对今后八年我国有色金属产品出口额进行了预测,并在这两种预测方法的基础上,推出了一种预测误差更小的组合预测模型。本文还对组合预测模型中权重的确定和预测误差的无偏性进行了证明。     

能源需求预测模型探讨

能源需求是国民经济综合平衡的依据之一。本文探讨能源需求模型的类别、概论以及评价准则和模型评价。     

灰色模型在纺织上的应用——全毛华达呢综合手感预测

本文运用灰色控制理论、建立织物几何结构参数与织物综合手感值之间的灰色模型,(GM)探讨同一毛坯织物,经不同染整工艺加工的全毛华达呢成品织物的质量;该模型的建立,使常规测试的数据,可以预测织物综合手感值,为灰色模型在纺织界的应用展示了前景。     

基于数据驱动的旅游需求预测研究

合理预测景区客流量不仅可以为景区提供参考,更是旅游治理体系和治理能力现代化建设的内在要求。基于九寨沟风景区官网于2012年5月至2021年5月披露的每日客流量数据,运用Python爬取与九寨沟旅游相关的搜索行为数据和九寨沟每日平均气温,构建ARIMA、SVR模型和加入百度搜索指数与日平均气温的LSTM神经网络模型,对九寨沟风景区客流量进行拟合和预测。结果表明,LSTM神经网络模型预测精度高于ARIMA和SVR模型,加入百度搜索指数和日平均气温的LSTM神经网络模型可以显著提升客流量预测精度。