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.     

基于非集计模型的交通需求预测方法

交通需求预测是城市规划和城市交通规划的核心内容之一,同时也是制定交通需求管理（TDM）策略的基础.传统的预测模型多以“四阶段法”为基础,对调查数据进行集计处理,忽略数据所携带的有关出行者行为的个体信息,存在信息的浪费和冗余.依据现代交通规划学理论,在回顾传统预测方法的基础上,对非集计模型进行深入研究;根据淄博市中心城区居民出行调查数据,预测居民出行方式分担率.研究结果表明,较集计模型,非集计方法能更好地刻画居民出行方式选择行为.     

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．     

一种基于需求特性分类的备件库存管理方法及其实证研究

提出了一种基于分类的备件库存管理方法,该方法先从备件需求预测的角度对备件进行分类,然后对每一类备件的需求进行预测并给出了其适当的库存决策方法.基于分类的预测方法可以解决备件种类过多、部分备件需求的历史数据不足问题并能够为每类备件选择预测精度较高的预测方法;基于分类的库存决策模型适用于在缺少单位备件缺货成本参数条件下的订购点与订购批量决策.以石化企业的阀门为典型背景,论文说明了所提出方法的适用性和优越性.     

基于GA-XGBoost的宁波港物流需求预测

通过灰色关联法,分析宁波港物流需求同腹地经济的相关度,建立宁波港物流需求预测指标集,提出一种基于遗传算法优化的极限梯度提升树模型.实验结果表明:这种港口物流需求预测模型取得的平均绝对误差和平均绝对百分比误差分别为21.62和1.05％,优于近年来的港口物流需求预测模型.     

基于需求预测信息共享的竞争性企业联盟结构

构建联盟是企业应对市场需求不确定性和避免过度竞争的重要战略选择，由于企业间的差异性，如何根据市场竞争环境和需求预测精度选择合适的联盟伙伴，是企业决策过程中值得重视的问题。构建了一个包含3个竞争性企业的单层供应链，在不确定性需求下，企业间可以共享需求信号，从而降低需求不确定性和竞争强度。考虑到各企业预测精度的异质性和联盟结构的多样性，分别计算了有无需求预测技术时，不同联盟结构下各主体（企业或联盟）的期望收益。通过数值分析，展示了竞争强度和预测精度对不同联盟结构下各企业期望收益的影响，从而得到合作与信息共享对各主体期望收益的影响机制，同时得到一些结论和观察结果，可以为相关企业提供决策支持。     

趋势预测方法及其在邮电通讯中的应用

主要通过建立反映汉中地区城乡居民住宅电话需求趋势的Ｃｏｍｐｅｒｔｚ增长模型，对该地区城乡居民住宅电话需求量的饱和年份及未来各期的需求量进行了分析、预测。     

基于改进神经网络的IaaS云资源需求预测方法

为保证基础设施即服务(IaaS)模式云环境中资源的有效分配与高效调度,提出了一种基于集成模型-优化神经网络的资源需求预测方法(EMONN).分析了用户偏好以及资源配置需求,根据需求变化采用阈值法确定波动期与平缓期,通过基本预测器集成模型实现不同时期、不同需求的预处理.预处理结果经过加权,与历史数据共同作为神经网络(NN)的训练数据,保证预测结果精度.为改善神经网络的学习率与稳定性,采用自适应学习率以及动量方法对神经网络进行优化.采用统计指标对系统有效性进行验证,结果表明所提方法可以精确有效实现用户需求预测.