基于优化AP-SVR模型的能源消耗预测

针对传统SVR(Support Vector Regression)及其相关改进模型在不同时间阶段的能源消耗样本数据具有差异较大的不同函数规律或分布特征的条件下,难以进行合理预测这一问题,提出了基于优化AP(Affinity Propagation)聚类算法的AP-SVR模型。首先,在滚动预测的算法框架下建立了运用能源消耗累积规律进行预测的模型,并对AP聚类算法进行了优化;其次,结合优化AP聚类算法构建了最优化训练集,并运用SVR得到预测结果。算例分析表明,AP-SVR模型可有效识别样本训练集中能耗数据累积规律的差异,将聚类为同一类别数据作为训练集的条件下,SVR的拟合精度得到明显提升。通过多种模型计算效果的比较发现,剔除不同类型数据后的训练集明显更加适合于SVR模型的预测,在降低预测误差和改善预测结果可信度等方面优化了模型预测效果。     

从停车需求预测模拟系统透析城市交通规划

随着经济的发展，汽车已成为新的消费热点和经济增长点，但是随之而来的是汹涌的交通拥堵以及不断增加的停车纠纷，与明晰的汽车振兴计划之间形成了一个让人尴尬的矛盾。海量的车位缺口，以及不断扩大的“剪刀差”，预示着停车难题的持续恶化。大城市停车难主要有两个原因，一是汽车数量增长太快，二是城市停车场数量规划不够或者不合理。停车难的问题引发了一场讨论——如何在制定城市发展规划时合理建设停车场。     

基于长短期记忆神经网络模型的共享单车短时需求量预测

共享单车具有很强的流动性和高随机性,为了更加准确地预测某区域内每小时的单车使用数量,通过爬取纽约市Citi Bike共享单车的天气特征数据信息,并分析时间因子、气象因子等对单车需求量的影响;采用长短期记忆(long short-term memory,LSTM)神经网络模型预测共享单车的短期需求量,并与传统的循环神经网络(recurrent neural network,RNN)和BP(back-propagation)神经网络模型预测结果进行比较。实验结果表明:影响单车需求量的主要因素包括温度、节假日、季节以及早晚高峰时间段等因素;与传统BP神经网络算法和循环神经网络RNN算法相比,LSTM鲁棒性高,泛化能力强,且预测结果曲线与真实结果曲线相吻合;预测精度高(精确度为0.860)均方根误差最小(为0.090),误差小。可见LSTM模型可以用来对共享单车的短时需求量进行预测。     

基于多属性模糊Petri网的知识化制造系统产品需求预测

为强化模糊Petri网的知识表示能力, 提出了一种多属性模糊Petri网(AFPN), 即在模糊Petri网的基础上, 为每个库所及权值赋予与实际系统相对应的多个属性, 以简单模型结构完成具有多个属性的系统的建模．利用知识化制造系统的知识库, 对多属性模糊Petri网进行属性分解、属性合并以及训练更新, 并对不规则模型进行规则化, 可以在原有产品的AFPN模型基础上简单快速建立后续产品的AFPN新模型．在产品需求预测的实例中, 采用原材料和产品的各需求相关因素建立产品的需求预测AFPN, 实现了产品需求的快速预测．     

需求预测和供应链协调对长鞭效应的影响分析

运用自适应过滤、滑动平均和指数平滑预测方法分析多阶段供应链中长鞭效应．分析结果表明，在运用自适应过滤预测方法时，供应链不一定存在长鞭效应，文章进一步提出该预测方法前提下长鞭效应存在的条件；在运用滑动平均和指数平滑预测方法时，长鞭效应总是存在．根据三种预测方法的分析结果得出，适当的预测参数和供应链协调可以减小长鞭效应．并在此基础上，比较分析三种预测方法条件下供应链协调时需求参数对长鞭效应的影响规律，结果表明，预测方法不同，需求参数对长鞭效应的影响规律也有所不同．     

如何科学预测客户需求

当今企业的大部分生产经营活动都依赖于需求预测，企业通过对客户需求情况的预测，决定零部件的采购时间与数量、安排销售和生产计划、确定库存水平等。可以说需求是牵动企业整个物流系统运行的原动力。科学准确的需求预测，能使企业及时抓住有利的市场时机，对企业资源进行合理地分配和安排。     

宁夏旅游需求量的预测

研究了采用Hammerstein模型对宁夏2006年的旅游需求量进行预测的方法及在市场经济条件下对该模型的修正，同时还提出了在小样本条件下Hammerstein模型是一个非线性模型，它可以预测出当前到目前年度宁夏的逐年旅游需求量。     

面向运作系统的协调优化理论与方法

面向运作系统的协调与优化问题是指为了提高运作系统的效率和应对不确定环境的能力而提炼出的一类相关科学问题.这类协调与优化问题的基本特征是非线性、多目标、变结构以及决策信息的不确定性,一直是国内外研究的热点和难点.我们以运作系统中的理论与实际问题为研究对象,从需求预测、系统设计、运营和风险控制等多个方面开展了深入的研究工作.重点研究了运作系统的非平稳需求预测与决策、供应链协调与集成设计优化以及面向运作系统的风险预测与控制等问题,取得了一些原创性的理论成果,在一定程度上带动了国内外相应方向研究的发展.     

基于广义粗集和知识共享的供应链需求预测R5模型

在知识共享前提下,提出了供应链需求预测的案例推理R5模型.此模型以粗集方法进行知识发现,建造和划分案例库,以案例推理管理和应用知识,将广义粗集的数据挖掘功能引入案例推理模式当中,用于指导供应链企业从过去的合作经验中有效学习其合作伙伴的“预测知识”,进而利用新的需求信息进行当前产品的需求预测模型选择.仿真算例表明,将变精度粗集和广义相似关系这两种粗集的泛化形式引入案例推理机制,可以提高推理效率和容错性;利用数据挖掘技术,从相关产品的环境信息及供应链成员的特征参数中发现需求预报的领域知识与深层知识,可以降低知识获取成本及模型选择的主观性.     

基于改进系统动力学模型的公路客运量预测

为了确定公路客运的发展规模和规律,采用改进后的系统动力学模型对公路客运量进行预测。在传统的系统动力学(SD)模型中引入生态学中的种间竞争模型Lotka-Volterra(LV)理论,首先通过定性分析与客运需求相关的经济、社会、交通环境及其他客运方式竞争等方面的影响因素,构建因果回路图对各因素与公路客运量进行因果反馈关系分析,同时引入LV理论判定系统中模糊的动态关系。接着通过交通化改造后的LV判定方程,确定反馈关系因子之间的相互作用系数及系统流图中微分方程,对各影响因素子模型中影响因子与公路客运关系进行量化分析,对传统的系统动力学模型进行改进优化,建立具有时变性的动态LV-SD模型。最后以江西省公路客运量预测为例,根据公路客运量与各影响因素模型中影响因子之间的相关系数,选择地区生产总值、第三产业产值、居民消费水平、公路里程、民航客运量、铁路客运量、人口数量及城市化率等影响因子作为量化指标代入预测模型,用2013～2018年历史数据对模型进行有效性验证。结合城市发展情况,利用Vensim软件分析预测了基于LV-SD模型下江西省2019～2025年经济高、中、低增长3种情景下的公路客运量。结...