国立科研机构后勤服务需求分析

随着后勤服务社会化改革进程的加快,高校教职工及学生对后勤服务水平的要求越来越高,高校后勤自身需要不断调整,使其服务管理水平越来越完善。近年来逐渐扩大的高校规模给教职工社区和高校食堂服务带来了新的问题。为了提高后勤服务的质量和水平,本文通过对问卷调查的结果分析,提出了中国科学院有针对性的后勤服务需求策略。     

高速公路交通事故的灰色预测模型

在分析中国交通事故历史数据的基础上,引入灰色预测模型,根据数据特性建立了改进的灰色Verhulst模型,同时对改进的灰色Verhulst模型、灰色Verhulst模型和GM(1,1)模型进行比较。结果表明:改进的灰色Verhulst模型较好地反映了高速公路交通事故的发展趋势,提高了模型的预测精度,扩大了模型的适用范围。     

突发事件风险下保险合同对供应链的协调研究

本文研究了在突发事件风险下保险合同对供应链的协调。在本文提出的保险合同模型中,零售商向供应商提供一定数额的保费,并在常规需求下承担所有的需求波动风险;而当发生突发事件时,零售商和供应商按约定比例共同承担需求突变损失。文章讨论了该类保险合同实现供应链协调所需满足的条件,并通过算例分析加以说明。     

基于GM（1，2）残差模型的混凝土靶强度预测

混凝土靶的早期强度的发展规律在很大程度上影响着混凝土靶的后期强度发展规律。灰色系统理论对于小样本具有较好的预测效果。本文建立了混凝土靶强度的GM（1,2）残差预测模型,结果表明,该模型在预测混凝土靶强度方面达到了很好的效果,有较好的理论和实用价值。     

基于BP神经网络方法的分层注水量计算

对静态地层系数法和动态方程法等分层注水量计算方法分析表明:现有方法考虑注水量影响因素较少,计算误差较大,适用性较差。应用BP神经网络方法计算分层注量,以砂岩厚度、有效厚度、渗透率和沉积相影响系数等16个影响因素作为模型输入参数,单层吸水量作为模型输出。实例计算结果表明:BP神经网络法计算分层注水量与实测值的最大误差为6.51%,平均误差为3.21%,准确性较好,说明BP神经网络方法在分层注水量计算方面具有较好的应用前景。     

市场需求预测偏差下供应链1：1合作博弈模型

研究了市场需求预测偏差下买卖双方协调订货问题。基于Stackelberg博弈模型,通过设计数量折扣定价政策和限量定价政策,给出了市场需求预测偏差下,实现供应链上最大利润时的买卖双方合作博弈批量模型。     

The usefulness of heuristic N(E)RLS algorithms for combining forecasts

There exists theoretical and empirical evidence on the efficiency and robustness of Non-negativity Restricted Least Squares combinations of forecasts. However, the computational complexity of the method hinders its widespread use in practice. We examine various optimizing and heuristic computational algorithms for estimating NRLS combination models and provide certain CPU-time reducing implementations. We empirically compare the combination weights identified by the alternative algorithms and their computational demands based on a total of more than 66,000 models estimated to combine the forecasts of 37 firm-specific accounting earnings series. The ex ante prediction accuracies of combined forecasts from the optimizing versus heuristic algorithms are compared. The effects of fit sample size, model specification, multicollinearity, correlations of forecast errors, and series and forecast variances on the relative accuracy of the optimizing versus heuristic algorithms are analysed. The results reveal that, in general, the computationally simple heuristic algorithms perform as well as the optimizing algorithms. No generalizable conclusions could be reached, however, about which algorithm should be used based on series and forecast characteristics. © 1997 John Wiley & Sons, Ltd.     

曲率法在尚家油田扶杨油层储层裂缝预测中的应用

通过岩心观察及人工微地震资料结合前人研究成果,尚家油田扶杨油层裂缝产状相对单一,大多以单条形式出现,规模相对较小,且充填严重,其裂缝走向以北东东向或北西西向为主。结合松辽盆地区域构造演化历史,认为尚家油田扶杨油层裂缝主要是在嫩江组沉积末期构造反转期形成的。利用曲率法预测出尚家地区扶杨油层顶面曲率高值区主要分布在尚家油田西南部D121井—D122井一线和中南部的A12-3井—A12-2井—A112-124井一线,是研究区扶杨油层裂缝发育相对集中区域。     

需求与成本双扰动时闭环供应链的生产策略和协调策略

文章研究了闭环供应链应对市场需求和成本双扰动的生产策略和协调机制.根据不同的扰动条件,给出了相应的生产调整策略:并且设计了新的数量折扣契约, 这使得无论在突发事件前后,都能实现闭环供应链系统利润的协调分配,保障生产调整策略的实施,从而达到闭环供应链应对突发事件的最优利润,文章最后通过数值分析证明了文中结论的正确性,研究表明:突发事件对闭环供应链造成了很大影响,使得整体渠道利润下降,但是通过采用调整的数量折扣契约和应对突发事件的生产调整策略, 可以在一定程度上缓减突发事件带来的不良影响,减少对闭环供应链的损失.     

考虑建成环境交互影响的共享单车需求预测

共享单车的发展有利于交通的节能减排绿色发展。建成环境是影响共享单车出行需求的重要因素,然而很少有学者探究考虑其交互作用。为了准确分析建成环境中各影响因素的交互作用以达到精确预测共享单车出行需求的目的,本文使用了深圳市共享单车出行数据、兴趣点数据（point of interest,POI）、路网数据和公交线路数据等多源数据,采用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型预测共享单车出行需求,并与BP(Back Propagation)神经网络模型预测结果进行比较;最后借助SHAP(SHapley Additive explanation)方法解释GBDT模型中各种影响因子对共享单车出行需求产生的影响,并分析各影响因素及其交互作用。实验结果表明：GBDT模型预测结果平均绝对误差为0.683,均方根误差为0.728,较BP神经网络模型预测准确性更高;通过SHAP方法发现自行车道密度、公交站点数等交通属性因素对于共享单车出行需求作用明显,土地利用中土地利用混合度不是简单线性作用且不同POI间存在复杂交互关系。可见通过借助GBDT模型和SHAP方法可以用来共享单车出行需求预测以及影响因素分析,从而为共享单车发展提出改善建议。