人才需求及质量预测模型

人才资源的预测与优化很重要的方面是人才资源的结构 ,需求量和人才质量 .G.J.Klirti提出系统重构分析 ,后来 B.Jonesque确定系统中起主要作用因素水平的方法 .本文建立因素重构分析预测方法和弹性系数预测方法并对天津市和电子行业 2 0 0 0年到 2 0 1 0年科学技术人才的结构 ,需求量和人才质量进行定量动态的分析和预测.     

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...     

基于泊位使用特性的停车共享策略方法

为了缓解由于机动车保有量过快增长而造成的大中型城市交通拥堵及停车供需失衡问题,依据泊位共享的理念充分挖掘可利用停车资源成为了一种新方案。由于在不同模式下泊位共享服务方式的适用性不同且泊位共享具有严格的时间窗约束、排他性及唯一性特征,使得共享泊位资源在实际应用中难以得到高效利用。本文以闲置时间利用率最大化为目标,将泊位划分为固定泊位及非固定泊位,分别建立相应的共享泊位配置优化方法。首先对于非固定泊位,在构建时间序列模型动态预测停车需求的前提下,以驾驶员15min最大寻泊可接受时间内车辆净增量为预留泊位值,进而确定共享泊位配置模型;其次,对于固定泊位则考虑共享请求在随机非预约和预约模式两种情形下的区别,前者以单个泊位闲置时间利用率最大为目标构建共享泊位配置模型,而后者则采用最大匹配规则树理论探讨系统闲置时间利用率最大化的泊位共享配置模型。最后以数值实验论证泊位共享可有效提高泊位利用率和周转率,结果表明预约共享模式相对于非预约模式可以将泊位空闲利用率提高12.9%。     

基于约束调度的消耗性航材备件需求预测分析

针对传统航材备件需求预测方法忽略了对需求约束调度条件的获取,导致对航材备件的需求预测效率较低、成本偏高,提出一种新的基于约束需求预测的消耗性航材备件需求预测方法,并进行试验分析。假设某消耗性航材备件的储备量分布密度满足泊松分布,计算该消耗性航材备件及时保障概率。依据航材的年周转量,求出不同周转件所需总储备量,以获取总及时保障率。给出需求约束调度条件,将约束调度和需求预测成本最小作为目标函数构造消耗性航材备件需求预测模型,通过遗传算法对其进行求解,获取最优需求预测结果。将文献[5]方法和文献[6]方法作为对比进行实验,发现所提方法需求预测准确率高,效率最高,且可达到应急要求。     

面向精细化管理的停车需求短时预测

停车诱导系统(PGS)是缓解交通拥堵的有效办法,但停车需求短时精准预测作为空余车位发布的关键技术并没有得到有效解决.利用停车需求时变特征曲线的线型稳定性,以及在周内各工作日间的振幅的显著差异性对数据进行分组,采用不仅具备记忆时间序列数据能力,同时有着更简洁的逻辑门控制结构的GRU (gated recurrent un...     

基于码头作业形态的港区道路交通需求预测

为合理制订大型港口道路交通规划与管理措施,采用概率分布拟合方法分析实地调查数据,求出不同类型码头作业所诱发交通流的时间分布特征,利用统计量法和图示法对其进行拟合优度检验,并根据上述概率分布建立基于码头作业形态的港区道路交通专用需求预测模型.该模型应用于天津港北疆综合港区的结果表明,该模型具有较好的可行性及有效性.     

基于需求预测的单向共享电动汽车车辆调度方法

用户出行需求的不均衡性和潮汐性造成站点之间的车辆库存不平衡,阻碍了单向共享电动汽车行业的发展.在充分考虑用户实际需求的随机性和时效性的基础上,提出一种单向共享电动汽车车辆调度方法.其采用长短期记忆神经网络对站点车辆需求进行预测,进而建立以调度成本、库存成本和潜在损失收益均最小的多目标调度模型,并采用遗传模拟退火混合算法求最优解.实证研究表明了该方法的合理性和优越性.     

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。     

A self-similar local neuro-fuzzy model for short-term demand forecasting

This paper proposes a selfsimilar local neurofuzzy （SSLNF） model with mutual informati onbased input selection algorithm for the shortterm electricity demand forecasting. The proposed self similar model is composed of a number of local models, each being a local linear neurofuzzy （LLNF） model, and their associated validity functions and can be interpreted itself as an LLNF model. The proposed model is trained by a nested local liner model tree （NLOLIMOT） learning algorithm which partitions the input space into axisorthogonal subdomains and then fits an LLNF model and its associated validity function on each subdomain. Furthermore, the proposed approach allows different input spaces for rule premises （validity functions） and consequents （local models）. This appealing property is employed to assign the candidate input variables （i.e., previous load and temperature） which influence shortterm electricity demand in linear and nonlinear ways to local models and validity functions, respectively. Numerical results from shortterm load forecasting in the New England in 2002 demonstrated the accuracy of the SSLNF model for the STLF applications.     

基于BP神经网络的我国蔬菜供需预测及对策研究

近年来,我国蔬菜类农产品"卖难"问题层出不穷,"微博叫卖"、"为农户找买家"现象此起彼伏,但治标不治本.对此,文章从造成农产品"卖难"问题的根源出发,通过运用BP神经网络预测模型对我国蔬菜供需量进行了预测,研究发现在蔬菜消费需求量只有微小变动的情况下,其实际供给量连续多年远高于理论供给量.为此,从合理预测供需、指导农业生产的角度提出了一些针对性的对策建议.