城市交通需求预测理论与模型研究综述

城市交通需求预测是交通学科研究的热点之一。本文对现代城市交通需求预测理论与模型进行系统分析,重点围绕交通生成、交通分布、交通方式划分预测模型展开,对各模型基本原理、研究进展、传统模型及其改进、模型应用情况等进行综述,最后总结城市交通需求预测研究领域重点、难点,指出未来发展方向。     

电力需求预测的实用方法研究

随着现代经济的不断发展,我国的电力需求也在不断的增长。在此种情况下,对电力需求的预测精度高低已经直接影响到规划方案的质量和配电网的安全可靠经济运行。在电力企业方面,需要根据电力需求的变化规律,对其进行科学的电力需求预测,从而制定出科学的电力营销战略和策略。该文首先对电力需求进行了概述;其次,对于电力需求的预测方式进行了分析;最后对其具体的应用进行了研究。     

基于BP神经网络的中国电力需求预测

目前,中国用电量逐年激增,而电力需求预测的保守,导致电力供应不足。应用BP神经网络的原理,对中国电力需求情况进行了预测。根据预测结果显示在未来十几年中中国电力的需求量仍将大幅度增加,并提出了有关部门应该迅速调整产业结构,合理安排生产力布局,以满足社会经济发展对电力的需要的建议。     

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.     

中国食糖需求预测实证研究

本文详细地研究了回归法在中国食糖需求预测中的应用。     

太原市城市水需求预测探讨

简述了城市水需求预测的目的、一般方法及其在城市规划建设中的重要性，通过对太原市城市水需求预测的研究，结合太原市城市现状和未来发展，提出并分析了影响城市水需求预测的主要因素。     

基于误差修正时间序列模型的短期电力需求预测分析

随着经济、社会和工业的快速发展,电力需求突飞猛进.电力行业也逐渐成为影响全球社会经济发展地位的重要的因素,不准确的需求预测增加了电力行业的运行成本,特别是在市场环境中,精度即意味着金钱,准确的电力需求预测是有价值的。本文主要对许昌市短期电力需求进行分析预测,利用许昌市用电量的相关数据,分别应用移动平均法、时间序列法建立模型并对模型进行预测和分析,再通过对这两种预测方法分别赋予不同的权重建立加权组合预测模型来改进预测误差,通过比较分析得出加权组合模型预测的精度更高。     

浅析TRANSCAD在胶州交通需求预测中的应用

本文以胶州市交通需求预测为例,介绍了TRANSCAD在城市交通需求预测中的运用,在交通需求预测中简述了交通需求预测的建模过程,对于模型选择等关键问题,尤其对交通需求预测中的交通产生和分配两步骤的模型进行了较详细说明。通过胶州城区交通量预测的实例表明,TRANSCAD是一种良好的交通量预测工具。     

交通影响分析中交通需求预测探讨

阐述了交通影响分析与城市交通规划在交通需求预测方面的区别,提出一种利用EMME/2软件进行交通影响分析交通需求预测的方法,并把此方法应用到宁波市鄞州区一个交通影响分析的实例中,最后给出应用EMME/2软件进行交通影响分析的一些结论.     

基于LMDI-CS-LSSVM的区域中长期电力需求预测

中长期用电需求预测对地区电网规划与运行具有重要意义,准确地对其进行预测有助于配电网利用效率的提高。中长期用电需求与地区宏观经济形势息息相关,本文选用LMDI分解模型对用电增长量进行了分解,根据影响因素分解为生产效应、结构效应及强度效应,然后选用布谷鸟搜索优化的最小二乘支持向量机对各效应数据进行拟合及预测,再加总得到预测用电需求量。最后,本文以冀北地区为例对模型进行测算,通过与不同预测方法比较证明了基于LMDI电量分解的CS-LSSVM模型在中长期电力需求预测方面有较高的准确度。     

基于统计学习理论的云南旅游需求预测与分析

旅游需求预测研究是实现旅游业持续健康稳定发展的理论基石和前提．针对云南旅游业旅游需求统计数据时间短。影响因素复杂且难获取的特点，本文利用统计学习理论建立支持向量机的时间序列预测模型对国际国内对云南的旅游需求进行了预测和对策分析．实验表明，支持向量机理论及模型在旅游需求预测中有很大的应用潜力。     

城市公共交通需求预测及应用

文章在综述了公共交通需求预测基本理论的基础上 (包括预测的基本前期工作 ,四阶段模型法等 ) ,结合巢湖市公共交通规划 ,对出行生成、出行分布、交通方式划分、交通分配 4个阶段所采用的需求预测常规模型 (方法 )的应用作了具体的说明。同时 ,还介绍了一种组合预测模型 (方法 ) ,这种模型旨在减少预测风险 ,有效提高预测精度     

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。     

基于支持向量机回归的农产品物流需求预测

农产品物流虽然具有普通物流的共同特点,但因其具有独特性和复杂性,这导致利用一般方法进行农产品物流需求预测不仅难度大,而且精度差。为了提高农产品物流需求预测的能力,应用基于结构风险最小化准则的标准支持向量机回归方法来研究农产品物流需求预测问题。在选择适当的参数和核函数的基础上,通过对实例研究,对时间序列数据进行预测,发现该方法能获得最小的训练相对误差和测试相对误差。结果表明,支持向量机回归是研究农产品物流需求预测的有效方法。     

应用灰色系统原理进行长期电力需求预测

本文从理论上分析了灰色系统预测ＧＭ（１，１）模型的适用条件。针对电力系统中电力需求增长的特点，提出了分段最优ＧＭ（１，１）模型，利用电力需求的增长与国民经济增长的相关关系，把分段最优ＧＮ（１，１）模型应用于长期电力需求预测，并用实例证明了此方法的可行性。     

基于BP神经网络的人力资源需求预测

鉴于组织入力资源需求系统的复杂性和非线性的特征，分析了BP神经网络方法在人力资源需求预测中的应用，阐述了其基本原理和模型并结合实例提出了完整的实施流程。该预测方法具有很强的学习能力，各连接权重由网络通过学习自主生成，因此预测结果更具客观性和准确性，从而在很大程度上提高管理者的决策水平，对实际操作和应用具有一定的指导作用。     

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。     

城市轨道交通需求预测方法研究与探讨

本文分析轨道交通需求预测现有的三种模式及应用状况,在此基础上指出了当前流行的"四阶段"预测方法的不足。文章分析了轨道预测结果与实际运营之间差距产生的原因,为现阶段轨道交通的规划建设及运营管理需求预测理论的进一步完善提供支持。     

支持向量机在装备保障链需求预测中的应用研究

准确的需求预测是装备保障链敏捷运行的重要条件.针对装备保障链需求预测过程中,需求不确定、样本数量较少的实际情况,采用了一种新的预测方法--支持向量机.该方法基于统计学习理论的原理,较好地解决了小样本、非线性的学习问题.建立了装备保障链需求预测的支持向量机模型.并以某物资的需求预测为例进行实例验证,计算结果表明,这种方法比传统的方法有更好的预测精度.     

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。