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。     

需求预测应用方法研究——以电力需求预测为例

需求预测应用实施依然是按照跨行业标准数据挖掘流程开展,其不仅需要有对业务的洞察与业务数据的理解,也需要熟悉需求预测理论与工程应用,从而实现需求预测驱动业务规划与高效运营的作用。虽然需求预测在各行业中实际应用千差万别,但其中基本的应用步骤与实践理论大体一致。电力需求预测以其应用场景多、价值高,是需求预测研究应用的典型代表。该文通过研究需求预测理论及其在电力需求预测中的应用方法,梳理了需求预测中的关键步骤与常用方法,提供了需求预测在各行业中应用的基本思路。     

辽阳市矿产资源需求预测及可供性分析

在辽阳市现有的矿产资源的基础上,通过搜集、研究、分析本市大量基础资料、基础地质、矿产地质基础资料,对辽阳市矿产资源需求预测及可供性分析进行了系统和科学分析,提出了建设性意见,具有实际意义。     

CUBE软件在宏观交通仿真系统中的应用

通过介绍CUBE/TRIPS软件的功能和特点,利用传统的四阶段交通需求预测模型,建立某市宏观交通仿真系统。四阶段中所采用的方法分别为增长率法、路段流量反推OD矩阵、重力模型和逐步加载法。利用此系统进行该市交通现状及改造后的未来年（2010年）规划路网仿真分析与评价。其仿真结果可以为该市交通规划和交通管理提供参考。     

多产品供应链的牛鞭效应及其减弱方法

讨论两级多产品供应链中需求相关时的牛鞭效应.下游零售商从能力无限制的上游供应商处订货来满足相关的市场需求.当零售商面临的需求平稳时,若零售商采用简单移动平均法预测需求,证明了供应链中的牛鞭效应的存在性,并给出了其量化表达式.进一步提出了在一定条件下可有效消除牛鞭效应的需求预测方法.     

基于Adaboost回归算法的安徽省物流需求短期预测研究

【目的】物流需求预测有助于调整物流资源的分配,对促进物流业发展具有重要意义。【方法】选取安徽省1995—2022年与物流需求相关的指标数据为原始样本数据,用货运量来表征物流需求。通过XGBoost特征选择算法筛选出6个用于预测的指标。在此基础上,使用3种方法分别构建模型,并对这些模型进行对比分析。最终,选择精度最高的Adaboost回归算法来预测安徽省短期物流需求。【结果】2023—2026年,安徽省的物流需求预测值分别为402 942.428万t、369 877.222万t、380 884.375万t、382 319.5万t。【结论】未来四年,安徽省物流的货运量呈不稳定发展态势。根据安徽省的区位优势及疫情的全面开放,安徽省物流业表现出较大的发展潜力。     

路网沥青旧料综合再生站点规划与效益

为了满足区域路网中不同养护工程的沥青路面旧料调配与再生混合料供给,以最大程度提升混合料再生利用率,建立了面向区域路网再生养护需求的旧沥青混合料存储站点选址模型.分析了不同再生技术的经济与环境效益,并应用人工神经网络建立了路网再生需求预测模型.在此基础上,结合基于Dijkstra最短路径算法的经济运距计算与基于GIS的环...     

基于神经网络和SARIMA模型的旅游需求探讨

拟对海南省旅游需求进行预测,采用旅游人数来度量旅游需求,收集相关部门数据,并通过分析旅游资源、环境、交通、费用和服务质量因素对旅游需求的影响,从而建立多元线性回归模型．在预测时,采用GM（1,1）得出各因素的预测值,然后通过神经网络进行海南省年旅游人数的预测,在对年内每月的旅游需求进行预测时,还考虑季节对旅游需求的影响,通过时间序列分析法,建立了SARIMA（3,1,2）（1,1,1）12模型,并进行了预测,结果表明,预测值符合实际人数．     

基于前移回归分析的科技人才需求预测模型

从某省科技人才开发利用现状出发, 利用前移回归系统经济预测模型对该省1997-2007年科技人才的需求量进行了预测, 预测结果显示, 工业总产值对科技人员需求影响最大, 人均GDP影响次之, 人口增长率的影响最小. 科技人员需求量的预测值与实际值比较满足实际要求, 同时也给出了来年所需科技人员数.     

城市交通需求预测与决策支持系统

根据国内外城市交通规划理论的最新思想和预测模型理论,提出了一种实用的城市交通需 求预测决策支持系统,对预测模型及系统逻辑结构、系统组成和开发技术等问题进行了系统的探 讨．