论高职“订单培养”的内涵与分类

“订单培养”是21世纪初在职业院校中出现的一种新型的校企合作人才培养形式,即企业按其发展规模,预测人才需求量,向学校提出培养规格或标准后再下“订单”的一种产学合作形式。本文从“订单培养”的内涵入手,根据不同的方式划分,阐述了各类型“订单培养”的优劣,并分析了成功案例。     

订单式人才培养模式的实践

“订单培养”是企业按其发展规模,预测人才需求量,向学校提出培养规格或标准后再下“订单”的一种产学合作形式。根据不同的方式划分,可分为“学校与用人单位联合”、“学校与中介机构联合”以及“松散型”、“紧密型”等不同类型。     

基于组合模型的我国煤炭需求预测

文章首先分别建立灰色GM（1,1）预测、Holt．Winters无季节性指数平滑预测和BP神经网络预测模型对中国1980—2011年的煤炭需求进行定量分析,然后建立组合预测模型,最后采用组合预测模型预测2012—2021年我国的煤炭需求量,结果表明这十年间我国煤炭需求量稳步增长。到2021年,需求量达到539942万吨。     

基于神经网络的经济预测分析

对于神经网络法进行了分析,并探讨了神经网络法在宏观经济预测中的应用。准确的国民经济预测对政府经济分析及科学决策具有重要意义,     

郑州市未来水资源需求量预测

<正>针对郑州市未来水资源需求量的预测问题,基于2001—2016年间的郑州市需水量数据,利用主成分分析法从9个影响水资源需求量变化的因素中提取5个主要影响因子,将此作为输入样本构建BP神经网络模型,通过学习训练预测出2017—2020年郑州市水资源需求量,预测结果表明郑州市的水资     

基于改进BP神经网络的供热负荷预测模型

为在自然环境条件下对供热负荷进行较为准确的预测,分析了对供热负荷产生影响的自然因素,利用回归分析法建立负荷预测模型。在误差较大情况下提出利用神经网络法建模,采用差分进化算法对神经网络的阈值和权值进行优化。使用经过优化的神经网络进行负荷预测,在MATLAB环境下进行仿真。仿真结果表明,采用该方法可得到更为准确的供热负荷预测模型,对供热站节能运行有一定意义。     

基于支持向量回归机的磨削力预测

针对神经网络方法在磨削力预测方面存在的网络结构不好确定和样本需求量大等不足,提出了一种新的基于支持向量回归机的磨削力智能预测方法。介绍了支持向量回归机的基本原理,分析了影响磨削力的主要因素,选用砂轮速度、工件速度和磨削深度作为输入参数,建立了基于支持向量回归机的磨削力预测模型。仿真结果表明,所建立的预测模型是合理有效的,与BP神经网络预测方法相比,预测的结果准确性更高。     

基于Elman神经网络的空调负荷预测研究

为了更准确对空调系统负荷进行预测,文章在介绍Elman神经网络原理的基础上,对应用在处理动态数据模型上具有优越性的Elman回归型神经网络建立负荷预测模型,讨论了负荷预测模型中隐层神经元数目的选取,并对空调负荷值进行预测.同时也对静态前馈型BP神经网络进行建模和预测,比较两种预测结果,分析其误差,证明了Elman网络在动态预测实验中与BP网络相比较的优势.     

光刻胶采购量精准预测模型的研究

针对半导体制造行业中,光刻制造工艺所用到的各种光刻胶使用量不易准确预测的现状,提出一种准确预测需求的模型.通过对不同光刻工艺中光刻胶使用量的解析并结合主生产计划,预测出符合企业需求的不同光刻胶的需求量,精准用于采购.经过采用模型生成的数据进行检验,验证了模型的可行性和有效性.     

基于GA-BP神经网络的装配式高层住宅成本预测

装配式高层住宅成本受诸多因素影响,成本与各个因素之间存在复杂的非线性关系,BP神经网络难以对其进行准确的成本预测。文章提出了一种遗传算法（GA）优化BP神经网络的预测方法,利用GA-BP神经网络模型提高装配式高层住宅成本预测的准确率。通过对GA-BP神经网络模型的权值和阈值进行优化,构建了GA-BP神经网络装配式高层住宅成本预测模型,并以50组装配式高层住宅样本数据为例,分别运用GA-BP神经网络与BP神经网络预测模型进行了对比试验。试验结果表明,GA-BP神经网络预测模型具有较强的稳定性和更高的预测准确率。     

ERP系统中客户订单变更的研究与设计

在竞争激烈的市场环境中,离散制造型企业如何及时、快速、准确地响应客户对订单的变更需求,对提升企业市场竞争力和客户满意度起着至关重要的作用。从客户订单在ERP系统中的实时状态入手,研究了各种状态下可能发生的客户订单变更类型,给出了ERP系统如何快速响应和及时有效处理客户订单变更的方案,开发实现了一个订单变更系统。实际运作表明,该系统可帮助企业处理订单变更,降低调度人员的工作强度,提高生产效率,实用价值高。     

高职“多元分段式订单”人才培养的探索与实践

高职院校针对一些需求量小、技术水平要求较高的专业,校企合作开展“多元分段式订单”人才培养,提高人才培养质量,满足企业对于学生的专项岗位能力需求,实现学生技能培养与企业岗位的无缝对接。     

基于 DPSO-BP 网络模型的短期电力负荷预测

为准确、快速、高效地预测电网短期负荷,提出改进的粒子群算法(DPSO),并与BP算法相结合,形成改进的粒子群—BP(DPSO-BP)神经网络算法,用此算法训练神经网络,实现神经网络参数优化,得到基于DPSO-BP算法的神经网络模型.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力     

基于正弦激励的WASD神经网络的上证指数预测

由于金融时序数据的高度非线性特征,准确预测股票市场的证券指数非常困难.本文提出了一种单隐层前向正弦激励的神经网络并将其用于上证指数的预测.这种神经网络采用权值和结构直接确定(WASD)的方法进行训练,能够直接获得最优的权值和结构,也被称之为正弦激励的WASD神经网络.基于历史数据,将WASD神经网络和BP神经网络、SVM进行了对比实验.实验结果表明,正弦激励的WASD神经网络在预测上证指数时具有更好的性能.     

关于销售百分比预测方法的补充研究——代数调整法的提出

资本需求量预测在企业筹资管理过程中处于重要地位,它直接关系着企业资本需求计划编制的正确与否.销售百分比法是一种较好的资本需求量预测方法,但在对资本需求量的调整与分析方面的论述仍存在不足.由于筹资回馈效应的存在,在运用销售百分比方法预测公司外部资本需求量时,必须对初次的计算结果进行调整,其调整次数的确定,不同的筹资方式有不同的要求.代数调整法是一种简便有效的资本需求量调整方法.该方法不仅在实际工作中具有较强的推广价值,同时对财务管理理论和方法也是一种完善和创新.     

灰色神经网络在空调订单预报中的应用

将灰色系统与神经网络融合,建立了GM(1,N)灰色神经网络基本模型,推导了相应的编程算法,以空调订单的预报为例,利用MATLAB对GM(l,N)灰色神经网络模型进行编程.程序运行结果表明,灰色神经网络模型在少样本情况下也可以达到较高精度,且误差可控,可以作为空调订单预报的有效工具.     

基于遗传BP神经网络的化工企业安全体检模型研究

近来频繁发生的化工企业安全事故使企业意识到企业安全的重要性,企业安全评估预警已成为各界关注的焦点。针对引发化工企业安全事故因素的复杂非线性特点,提出基于遗传BP神经网络的化工企业安全体检模型,该模型通过遗传算法克服BP神经网络局部最小的缺点,利用主成分分析法优化输入矩阵,并以山东省101家大中型化工企业数据为实证样本,对模型进行仿真实验。实验结果表明,该模型体检结果与真实期望值的相对误差在1.34%~3.84%,具有较高的评估预测精度,能够准确对企业进行安全体检。     

中国粮食供需研究及预测——以小麦为例

粮食问题始终是人类历史上关心的问题,合理地预估粮食供需从而指导下一阶段粮食生产具有重要意义.以小麦为研究对象,建立平稳时间序列ARIMA模型,借用SPSS软件分析1979—2018年的粮食供应与需求量的数据,建立模型分别拟合出2019和2020年的小麦供应量和需求量,结果显示供需接近平衡,依此指导下一阶段的粮食生产,提出确保供需平衡和实现粮食安全的政策建议.     

基于GA-BP神经网络的手足口病预测模型

综合考虑影响手足口病发病的多种因素,运用遗传算法优化了BP神经网络的初始权重,建立了手足口病预测模型。实验表明,与现有的BP神经网络预测模型及自回归移动平均模型(ARIMA)相比,该预测模型有较高的预测精度和较准确的峰值预测。     

BP神经网络算法在教师履职考评中的应用研究

基于BP神经网络算法在分类预测方面的权威性,提出利用BP神经网络构建教师履职评价模型的新方法。实验结果表明,该模型具有较高的可行性和实用性,能够准确、高效地对教师履职情况进行客观评价。