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...     

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。     

注意力机制的长短时记忆神经网络航线订座需求预测

针对航线订座需求预测中存在的预测结果不稳定,偏差较大的问题,提出一种基于注意力机制的长短时记忆神经网络航线订座需求预测模型. 首先,对采集得到的航线订座需求数据进行数据清洗与指标计算处理;接着,对处理后的指标数据基于注意力机制做权重分配;然后进行长短时记忆神经网络航线订座需求预测模型的建立,从而得到航线订座需求的最终预测结果值. 将训练优化得到的模型应用于国内某航司的航线订座需求预测中,计算出预测结果. 实验结果表明,基于注意力机制的长短时记忆神经网络航线订座需求预测模型预测精度较高,以厦门-上海航线为例,预测结果与真实值对比,平均绝对误差为13.1,均方根误差为17.2,相比较于移动平均法、指数平滑法及循环神经网络,CNN-LSTM混合模型有较好的预测效果.     

基于主成分回归分析法预测中国铁矿石需求

在论述铁矿石需求预测途径的基础上,选取影响我国铁矿石需求的8个基本因素,采用回归分析方法进行了铁矿石需求的单因素分析.单因素分析结果表明,选取的8个基本因素与铁矿石需求的相关度基本都大于0.9.对8个基本影响因素进行了主成分分析,最终降维为4个主成分.将主成分分析方法与回归分析方法相结合,建立了铁矿石的需求预测模型,并对我国2015年和2020年铁矿石的需求量进行了预测,分别为29.76亿t和26.68亿t.     

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.     

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。     

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%。     

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 unit)模型对停车需求进行短时精准预测,发现相比于传统神经网络以及ARIMA模型,在考虑停车需求周内日间差异性并对数据进行分组后的GRU模型能提供更高的预测精度。     

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.