考虑商品促销关联效应的网络零售商动态定价模型

随着电子商务的高速发展,如何通过最优商品定价决策来帮助企业获得最优利润已成为网络零售商运营管理的重要研究方向.随着促销活动的频次和种类的不断增加,商品存在促销关联效应,不同的促销策略会对商品间的销量产生影响.首先,应用Granger-LAS SO (least absolute shrinkage and select...     

旅游需求预测方法的比较分析

需求预测是旅游计划管理的一项重要工作。旅游需求预测对于旅游地规划和建设旅游基础设施,组织产品和提供旅游者服务是一个基础性的前期工作。然而,旅游产品的易逝性和不可贮存之特征,对旅游需求预测提出了更高的要求。本文试图通过总结和评价自20世纪中期以来旅游需求预测的方法,确立一个适合于中国旅游发展的新思路。     

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。     

备件需求预测中的不确定性问题研究综述

备件需求不确定性表现为随机性、多样性、时变性、信息不充分性,预测过程中很难精确地描述备件消耗与影响因素之间错综复杂的关系。以智能计算理论为代表的处理不确定性的各种方法和工具迅速发展。本文梳理了处理备件需求预测不确定性的相关文献,按照不确定性的随机性、模糊性、不完全性、复合不确定性四大类属性,对每个大类分别进行了综述,并总结了相关研究的局限性与发展方向。研究成果可为装备备件管理提供参考。     

基于改进Croston方法的多需求模式零备件预测

维修备件管理是提高产线可靠性、实现降本增效的关键。针对具备间歇性与随机性特征的维修备件需求预测问题,提出了基于改进Croston方法的备件需求预测模型。依据Syntetos准则基于间断性与波动性特征将备件需求划分为四类。针对含有波动性特征的需求,基于Croston方法主要思想将备件需求预测分解为需求发生状态预测和需求量预测两类问题,设计了集合经验模态分解（ensemble empirical mode decomposition, EEMD）-长短期记忆网络集成（long short-term memory, LSTM）预测模型。EEMD方法将剧烈波动序列分解为若干相对平稳的分量,进而采用LSTM方法对各分量进行预测。针对含有间断性特征的需求,引入信号处理技术中的信号调制技术,将需求发生状态0-1二值序列进行连续化处理。所提方法解决了备件需求波动性强、间断性大的难题,已应用于湖北中烟武汉卷烟厂,证明了方法的优越性与可行性。     

“十一五”期间三峡库区专业技术人才需求预测

人才与社会经济发展有着密切的联系,有效的人才需求预测能为宏观调控提供依据,有利于人力资源开发与经济增长的良性互动.对"十一五"期间三峡库区专业技术人才需求进行了总量预测和结构预测:总量预测的结果是库区技术人才的未来需求基本持平并略有下降,而结构分析的结果是库区未来在工程技术人才、现代服务业人才、教育卫生专业人才等方面有较大增长需求.导致这一状况的主要原因有二:一是库区近年来的移民政策;二是库区的人才需求结构变化.通过分析,以求为库区人才战略的制定提供必要的决策参考.     

基于需求预测信息更新的零售商三阶段采购最优策略

考虑存在顾客需求预测信息更新下零售商最优订货策略,研究了三阶段订货模型,零售商首先在第1阶段订货,然后在第1和第2阶段之间实现需求预测信息更新,并在第2阶段调整第1阶段的订货水平,第3阶段顾客需求实现,此时零售商可以从实时市场购货以满足前2阶段订货不足的部分.给出了零售商的最优订货策略,并分析了需求预测信息和实际需求满足二维正态分布时,它们之间的相关系数对采购决策和零售商期望利润的影响.提出了计算最优采购策略的算法并证明了其收敛性.说明了预测信息和实际需求联系越密切,零售商第1阶段最优订货水平越高,同时零售商利润越高;如果信息和实际需求之间的相关系数确定,那么第1阶段最优订货水平就确定,而第2阶段订货水平和需求预测信息与第1阶段订货量有关.     

基于阿里巴巴电商数据的商品需求预测研究

在电商供应链的自动化管理过程中,高质量的商品短期需求预测是供应链管理的基础和核心功能。基于电商大数据对商品需求进行准确预测,可以帮助企业降低成本,提升用户体验,对整个电商行业的效率提升都会起到重要作用。由于受用户喜好、价格调整、季节变化等各种动态与间歇性因素影响,使得该项任务具有一定的挑战性。首先创新性的使用商品历史销量走势图作为商品特征,通过深度学习的迁移学习获取图像特征并对商品进行聚类分析,目的是针对相似的商品进行预测;接着将短时段内（天为单位）的商品时序动态特征转为二维矩阵数据,通过卷积神经网络（CNN）自动提取特征,在与商品的固有特征融合后,连接到较长时序（周为单位）的长短期记忆神经网络（LSTM）,并通过混合密度网络（MDN）进行预测输出。最后使用阿里巴巴菜鸟网络下的真实电商数据验证了所提算法更加的精确和有效,该算法符合大多数以综合性商品销售为主的电商平台,具有较好的可扩展性和普遍的应用价值。     

能源需求预测的区域类比法研究：以湖南省为例

本文提出了区域类比法预测未来省域能源需求量的研究思路，在运用区域类比法的基础上结合运用弹性数法，部门分析法，人均能耗法对湖南２０００年，２０２０年，２０５０年所需能源量进行预测，可以提高预测质量，其预测的结果可供政府部门拟定国民经济战略规划时参考。／     

基于自适应惯性权重优化后的粒子群算法优化误差反向传播神经网络和深度置信网络(DBN-APSOBP)组合模型的短期旅游需求预测研究

旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的APSO去优化BP神经网络——APSO-BP的组合预测模型,用DBN模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。