周期性需求下多级库存缺货控制模型研究

从一个以区域分销中心(DC)为主导地位且由多个供应商与零售商共同组成的多级库存系统出发,系统在假设DC和零售商都实行连续性盘点的(R,Q)库存控制策略,提前期为常量,零售商需求为正态分布的前提下,采用缺货策略的思想来确定订货临界点及订货批量.并且以确定DC的库存策略为目标,建立了缺货条件下的多级库存控制模型,从而达到有效控制库存的目的.最后,给出了一个算例,说明了该库存控制模型的可行度.     

基于长短时记忆神经网络的生猪价格预测模型

生猪价格序列的长短周期现象是困扰生猪价格预测的一个难题.针对这一问题,研究了生猪价格序列的波动特点和影响因素,提出了萤火虫算法(firefly algorithm,FA)优化长短时记忆神经网络(long-short term memory,LSTM)的生猪价格预测方法.首先对生猪价格序列进行预处理和分析;然后采用萤火虫...     

基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型

为进一步提高住宅价格预测精度,进而为有关部门提供相关数据参考,帮助其及时准确地制定相关政策,提出了基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型。该模型首先使用Pearson系数对影响房价的相关因素进行特征筛选,舍弃与住宅价格关联性不强的因素;然后使用萤火虫算法对BP神经网络进行优化,建立基于萤火虫算法优化的BP神经网络预测模型;最后以上海市统计局最新发布的相关数据进行实验验证。实验结果表明,所提模型优于其他5种模型,能够实现住宅价格的有效预测。     

基于灰色预测法对广东省地区生产总值的预测分析

将广东省地区生产总值作为研究对象,基于灰色预测法对1978—2016年数据进行分析,建立GM(1,1)模型.数值仿真结果表明,该模型的拟合效果较好.利用所建立的模型预测2017—2021年广东省地区生产总值,可为了解广东省未来经济发展水平提供一定的参考.     

Brent原油期货市场波动结构突变点预测

针对Brent原油期货市场可能存在结构突变点（结构断点）,引入了隐马尔科夫模型(Hidden Markov Models,HMM)对其进行波动状态预测,但是由于HMM模型测度下的波动状态中可能存在伪结构突变点,再使用迭代累积平方和(Iterated Cumulative Sums of Squares,ICSS)模型对Brent原油期货市场波动结构突变点进行诊断,并修正其波动状态,为了检验ICSS-HMM-EGARCH模型对Brent原油期货市场结构突变点预测的准确性,基于修正后的波动状态再次使用HMM-EGARCH模型对Brent原油期货市场进行波动率预测。最后,采用成功率(Success Rate,SR) 和基于平均误差函数(Root Mean Squared Errors,RMSE)的Diebold-Mariano(D-M)模型分别对预测波动状态和预测波动率的准确性进行检验。实证结果表明：Brent原油期货市场中存在波动结构突变点;HMM模型测度下的波动状态中存在伪结构突变点,而ICSS-HMM-EGARCH模型能够修正波动状态中的伪结构突变点;基于修正后的波动状态后HMM-EGARCH模型能够对Brent原油期货市场进行更加准确地波动率预测,因而ICSS-HMM-EGARCH模型能够准确地预测Brent原油期货市场波动结构突变点。     

基于多因素分析的通用机场布局规划研究

在国民经济发展中,民航业是重要的基础产业及战略性先导产业。在民航发展中,通用航空和运输航空被称为其发展的两翼,是综合交通运输中的重要内容。随着我国国务院和中央军委相关政策的出台,国内通用机场建设也在蓬勃发展。但是,由于我国通用航空产业发展起步较晚,在建设规划方面缺乏具体标准,因此容易在布局规划方面出现一些问题,不利于该产业的快速发展。由此,本文主要分析基于多因素分析的通用机场布局规划。     

基于数据增强与自编码GRU网络的多规格热轧带钢精轧电耗预测

针对多规格热轧带钢精轧段电耗预测中数据质量低、维数高和复杂性强等问题,本文提出一种基于数据增强与自编码GRU网络的精轧电耗预测模型(WGAN-AE-GRU).数据预处理阶段,针对电耗数据采集不均衡问题,采用WGAN网络对使用低频仪器采集的指标数据进行数据增强,以保证电耗数据质量;同时,采用自编码器(AE)对电耗关联的指...     

基于退化检测和优化粒子滤波的轴承寿命预测方法

轴承广泛应用于各种机械设备中,为避免轴承突然损坏而导致设备故障,应有效预测其剩余使用寿命,因此提出一种基于自适应退化检测和粒子群优化粒子滤波(particle swarm optimization-particle filter,PSO-PF)算法的轴承寿命预测方法.首先,从轴承振动信号中提取候选特征,并对候选特征进行...     

基于网格搜索优化的XGBoost模型的股票预测

本文提出了一种改进的XGBoost股票预测模型GC-XGBoost,并将该模型运用到股票市场进行股票价格短期预测.实验结果表明GC-XGBoost模型在MSE,MAE,R2三个评价指标上优于没有进行参数优化的XGBoost模型,说明GC-XGBoost模型比XGBoost模型提高了预测能力.     

神经网络模型在面板坝堆石体施工期沉降变形预测中的应用

在分析面板坝堆石体施工期坝体沉降影响因素的基础上,将影响沉降的主要因素作为网络输入参数,以测点沉降量作为网络的输出,建立了神经网络模型.以水布垭面板坝堆石体为例,将模型预测值与实测结果进行了对比,结果表明,预测值与实测结果比较接近,该神经网络能很好地反映面板坝堆石体施工期沉降变形与其影响因素之间的非线性映射关系,预测结果可作为后期填筑反馈设计的依据,同时可通过网络输入参数的调整检验某一因素对坝体沉降的影响程度.