基于组合预测的间断性需求器材预测

为了提高间断性需求装备器材的预测精度,提出一种组合预测模型。该模型从解释变量序列和自相关序列两个方面进行组合预测,对解释变量序列采用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,整合两个预测结果得到最终的提前期需求。实验结果表明,该预测模型具有较高的预测精度。     

广义加权多重函数平均组合预测及其参数估计

提出一种新的组合预测模型———广义加权多重函数平均组合预测模型,并利用二次规划算法给出其加权系数的不同参数估计方法。该模型具有广泛的代表性,它集多种组合预测模型于一体,是一种新的群组集结方法,通过选择合适的模型组合形式及最佳的模型参数,能够有效地提高预测精度。预测实例表明了该模型的有效性。     

组合预测建模中单项预测模型筛选研究

组合预测模型本身是一个对单项预测模型的信息进行选择利用的过程。分析了如何判定和检验参与组合预测的单项预测需满足何种条件,并运用了协整理论对模型进行筛选,从三方面综合地提出了筛选组合预测单项模型的方法和步骤,以期提高组合预测精度,简化计算。在初选的单项预测模型中,除选用较为常见的预测方法外,还加入了一些具有代表性的的单项预测方法,如状态空间模型、神经网络模型等。这些良好预测模型的选用,在一定程度上提高了组合预测的精度。     

基于包容性检验的舰船装备维修费组合预测

针对舰船装备维修费组合预测中,容易出现预测模型数量多于用于组合预测的样本数量,以及在已有舰船装备维修费组合预测模型中增加一个预测时,可能会降低组合预测性能的问题,通过对现有两模型包容性检验方法的分析,提出了带有截距项的多模型组合包容性检验。在此基础上,通过按模型的优劣次序逐步进行包容性检验和组合的思路,提出了基于包容性检验的舰船装备维修费组合预测模型选择方法,不仅可以降低包容性检验的计算量,而且可以提高舰船装备维修费组合预测的性能。     

基于偏最小二乘模型的无人机航材需求预测方法

针对无人机航材存在样本数据量少,影响因素多且复杂多变,以及库存需求预测精度不高等问题,对现有经典小样本下航材需求预测方法进行系统分析,并利用偏最小二乘回归方法在处理小样本数据、变量多重相关性等方面的独特优势,提出了基于偏最小二乘的无人机航材需求预测方法.选取无人机的飞行时间、飞行起落次数、操控人员熟练程度、异常环境温度、异常环境湿度、航材故障率、维修人员技术水平、维修资料等参数,对偏最小二乘法进行原理及模型建模步骤分析,构建了无人机航材需求预测模型,并进行航材影响因素研究.实验结果表明:该模型较其它常用预测模型的精度有所提高,预测结果的平均相对误差绝对值为4.87%,表明该方法可以应用于无人机航材需求预测,能够满足实际需要.     

组合预测法的改进及其在负荷预测中的应用

阐述了传统组合预测方法的基本原理,并从理论上论证了组合预测方法相对于单一预测模型的优越性。在此基础上,总结了组合预测方法的具体步骤,对组合预测方法基于最小二乘法的最优权重确定方法进行了改进,提出了一种新的基于BP神经网络模型的最优权重确定方法。最后将改进后的组合预测方法应用于电力系统短期负荷的预测中。通过分析和比较,验证了该方法的有效性。     

基于网络信息搜索的旅游需求预测——来自黄金周的证据

基于旅游需求预测和信息搜索理论,结合黄金周期间景区的旅游数据和网络搜索数据,探讨了网络信息搜索在旅游需求预测中的潜在作用。实证研究结果显示,网络信息搜索与旅游需求之间存在显著的正相关关系。相对于自回归基准模型,基于网络信息搜索的模型能够显著提高旅游需求预测的准确性,在MAE和RMSE这2个指标上样本外预测精度分别提高约41%和43%。     

舰船装备维修费单项预测集对分析与组合建模

根据集对分析的基本原理,结合基于误差大小的集对分析组合预测,给出了基于误差方向的集对分析组合预测和基于模型性能的集对分析组合预测;针对基于误差大小的集对分析组合预测建模过程中,从关联度的确定到组合权重的计算过程相对复杂、难以理解,推导简化了组合预测权重计算过程;针对集对分析中同一度为0时导致组合预测模型信息丢失的问题,提出了一种基于折扣的同一度、差异度、对立度转换处理方法。最后算例说明了该方法的有效性。     

AC算法的EMD分解GMDH组合的预测模型及应用

引入EMD把含有多个震荡模式的数据分解为满足一定条件的多个单一震荡模式分量的线性叠加,对震荡模式分量应用非参数的AC算法,通过历史上相似时期的已知延拓进行预测,利用GMDH客观确定权重构建组合预测模型,并运用该模型结合原油期货数据进行实证。结果表明:用EMD方法改进AC预测模型提高了预测的准确性,在此基础上,GMDH的智能化权重的组合预测模型进行预测,结果显示,AC算法的EMD分解GMDH智能化权重组合预测精度更高。     

基于EMD-PSR-LSSVM的城市燃气管网短期负荷预测

城市燃气管网短期负荷预测对燃气调度系统的安全与稳定具有重要意义. 为了提高城市燃气管网短期负荷预测精度,建立了基于经验模态分解(EMD)-相空间重构(PSR)-最小二乘支持向量机(LSSVM)的组合预测模型. 首先,运用EMD算法把原始非线性时间序列分解为互不耦合的模态分量,并采用PSR算法确定LSSVM建模中各个分量的输入输出结构; 其次,运用PSO算法对LSSVM建模中的参数进行优化,使用训练好的LSSVM模型对各个IMF分量进行回归预测; 最后运用该组合模型对郑州市燃气管网负荷进行短期预测.结果表明:与LSSVM回归预测和BP神经网络预测模型相比,本文提出的组合模型的预测精度更高,是一种更为有效的城市燃气管网短期负荷预测方法.     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

基于新陈代谢灰色马尔科夫的应急物资需求量预测方法

为提高受灾人数与应急物资需求量预测精度问题,提出了基于新陈代谢灰色马尔科夫的应急物资需求量预测方法。依据应急物资需求量预测思路,利用灰色、马尔科夫和新陈代谢理论,层级递进地构建新陈代谢灰色马尔科夫预测模型,实现受灾人数的动态预测;利用安全库存理论,构建应急物资柔性需求预测模型,实现受灾人数与物资需求量的供需平衡问题;运用本文模型、灰色马尔科夫模型和灰色模型对受灾人数与物资需求量进行预测,结果表明：该预测模型的相对误差要比其他模型小0.002 1%,预测精度明显优于基本的灰色模型,预测的受灾人口数量与应急物资需求量拟合度较高。     

基于改进IOWA组合模型的舰船装备维修费预测

针对诱导有序加权平均（induced ordered weighted averaging,IOWA）组合模型中,单项预测方法精度相同时诱导值可能存在多种不同排列顺序的问题,提出综合考虑预测方法的历史性能确定其唯一排序;针对实践中单项预测方法较多时,IOWA组合模型构建过程十分复杂的问题,通过构建适合于Matlab软件计算的最优化模型矩阵形式,降低计算复杂性;结合舰船装备维修费预测中样本小、预测方法多的特征,采用各单项预测方法的历史平均拟合精度来估计其预测期诱导值的排序,并以此计算组合预测值。最后实例说明了该方法的有效性。     

基于VMD的中国出口集装箱运价指数分析与组合预测

基于分解-重构-分项预测-集成思想,通过优选分解方法、优化重构方法、优选预测方法及合理选择集成方法等途径,构建了基于变分模态分解(VMD)的组合预测模型,对中国出口集装箱运价指数(CCFI)进行了预测,分析了CCFI波动特性及经济内涵.首先,选用VMD将运价指数序列分解为多个模态分量;其次,采用C值优化的FCM算法将模态分量重构为高、中、低频和趋势项,通过波动特性分析挖掘了重构项蕴含的短期市场不均衡因素、季节因素、重大事件及市场供需等经济内涵;再次,构建了基于数据特征分析的预测模型优选方法,进行了重构项预测;最后,将重构项预测值相加集成,分析了预测效果.实证结果表明,构建的组合模型预测效果优于BPNN、SVM、ARIMA等单一模型、EMD组合模型及未优化的VMD组合模型,较好地体现了CCFI外在波动特征与内在经济意义.     

GA-SA模型预测中国能源需求

为预测中国能源需求,本文提出了一种新的遗传算法(genetic algorithm)和模拟退火法(simulated annealing)混合方法,称为GA-SA,该方法能利用各自的优势,克服彼此之间的弱点.分析了GDP、人口、固定资产投资、能源效率、能源消费结构及居民生活水平六个主要能源影响因子后,使用1981至2012共32年间各因子及能源消费的观察数据,运用GA-SA方法优化非线性二次能源评估方程,得出了该方程的权重系数.结果显示,提出的方法和选取的能源因子构建的GA-SA模型预测的能源值与观察数据值及其接近,并与其它模型进行了比较,准确性上提高了至少两个数量级.运用提出的GA-SA模型预测了中国在2015和2020年时两种不同情景下的能源需求量,并提出了一些政策性建议.     

最优需求预测下预测与处理过程中的牛鞭效应

研究了在AR(1)市场需求模式下,生产商与零售商所组成的供应链系统中,当零售商采取不同预测技术时,在信息预测,处理及传递过程中产生的牛鞭效应问题.证明当存在订货提前期时,零售商采用移动平均法及一次指数平滑法预测会导致在需求预测,信息处理及传递过程中产生牛鞭效应;而采用最优预测仅在需求相关性很强时存在有限值的牛鞭效应.并对二级供应链进行拓展,证明在信息传递过程中,非最优预测将导致上游需求模式复杂化,牛鞭效应逐级递增,而最优预测可使上游需求模式简化,遏制误差的传递.     

The Forecast Model of Talent Demand and Quality

１　ＦｏｒｅｃａｓｔＭｅｔｈｏｄＷｅ′ｌｌｕｓｅｔｈｅｆａｃｔｏｒｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｎａｌｙｓｉｓ（ＦＲＡ）ｔｏｓｔｕｄｙｔｈｅｌａｗｏｆｔａｌｅｎｔ，ｂｅｃａｕｓｅｔｈｅｓｔａｔｉｓｔｉｃｄａｔａａｂｏｕｔｔａｌｅｎｔｈａｓｔｈｅｆｏｌｌｏｗｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｓ：１）Ｔｈｅｄａｔａａｒｅｎｏｔｓｔａｎｄａｒｄ２）Ｔｈｅｍｅｃｈａｎｉｓｍｏｆｔａｌｅｎｔｒｕｎｎｉｎｇｉｓｃｈａｎｇｉｎｇ，ｔｈｕｓｔｈｅｌａｗｏｆｔａｌｅｎｔｉｓｃｏｍｐｌｉｃａｔｅｄＴｈｅＦＲＡｗａｓ…     

住宅市场需求的组合预测

将组合预测方法引入住宅市场需求预测,以实例具体介绍了组合预测的应用过程,实例中采用了神经网络、灰色模型等预测方法的组合体系,对当前环境下的住宅市场需求预测进行了有益的探索。