基于支持向量回归机的广西物流需求预测

传统的区域物流需求预测方法往往具有预测精度不高、数据处理效果不佳等不足,而基于支持向量回归机(SVR)的预测模型正好弥补其不足.基于SVR预测模型,以1985-2008年广西货运量为面板数据,选择合适的核函数及参数,并与灰色及一元回归预测方法相对比,发现其预测精度很高,预测值也吻合广西总体经济发展要求.     

灰色预测在物流需求预测中的应用分析——以徐州地区为例

做好需求预测,是制定好物流行业发展政策、调节物流管理活动并使物流运作实现效益最大化的前提和保证。本文从比较预测方法入手,重点分析了灰色模型预测方法在物流需求预测中的应用。     

呼和浩特市物流需求预测的实证分析

文章分析了呼和浩特市经济发展和物流发展的实际情况,并运用灰色预测模型,选取货运量为指标,对呼和浩特市的物流需求规模进行了定量预测,同时,结合呼和浩特市的具体情况进行定性分析,修正了定量预测的结果,提出物流需求规模结论.     

基于组合模型的“十四五”期间中国科技人才需求预测

选用《中国统计年鉴(1999—2020)》中我国(不含港澳台地区)R&D人员全时当量数据,以2012—2019年数据构建灰色GM(1,1)预测模型,以1995—2019年数据构建时间序列模型,并将两者组合,对"十四五"期间我国的科技人才需求总量进行预测.预测结果显示,"十四五"期间科技人才需求逐年上升,科技人才的全时当量需求规模达到647.46万人年,科技人才需求端压力较大.基于预测结果,本文认为应关注科技人才的需求与供给,从人才规划、培养、管理、使用等方面保障科技人才数量积累、素质提升和充分利用.     

区域物流规划中的物流需求预测研究

本文首先分析了物流与社会再生产流通循环关系,阐释了区域物流需求预测在区域物流规划中的作用,并以江西省为例,在分析江西省物流发展现状的基础上,运用灰色预测模型GM(1.1)对江西省物流发展需求进行了预测.     

区域物流对区域经济的影响

区域物流与区域经济之间存在着非常紧密的联系,二者之间呈现出协同效应的关系。本文论述了区域物流对区域经济的拉动作用,及区域经济的发展对区域物流的反哺作用,并给出了促进区域物流发展的对策。     

区域物流在区域经济发展中的作用

本文探讨了经济与物流的关系,并根据区域经济有关理论重点阐述了区域物流在区域经济发展中的作用。     

区域物流发展的差异性分析

为全面分析区域物流发展的差异性,提出规模差异、相对差异的概念及测度指标,以陕、甘、宁、青、新五省区为研究对象分析区域物流发展的差异状况,运用变异系数法对区域物流发展差异情况进行测度,并运用灰色关联法分析造成差异的主要原因。研究结论能为实现特定经济空间内区域物流的均衡协调发展提供依据。     

基于改进的PSO-BP神经网络的桂林市物流预测研究

由于BP神经网络有收敛速度慢,容易陷入局部最小的缺陷,因此文章提出了一种改进的粒子群算法来优化BP神经网络的权值与阈值。使得预测模型能够在搜索最优解的过程中能够平衡算法的局部搜索和全局搜索,提高搜索的精度。对初步确定的输入指标和输出指标采用线性回归的方法,来筛选与输出指标具有强相关性的输入指标。通过MATLAB软件进行预测,比较标准的PSO-BP与改进PSO-BP模型,预测结果较好,说明改进的PSO-BP模型是有效的。     

基于GBP-Bagging网络模型的产业人力资源需求预测研究——以山西省战略性新兴产业为例

从资源匹配视角构建战略性新兴产业人力资源需求数量预测指标体系,运用灰色关联度分析筛选关键指标;运用灰色理论、神经网络和集成学习,构建GBP-Bagging网络模型,对山西省2015-2020年战略性新兴产业人力资源需求数量进行预测。结果表明：“十三五”期间,山西省战略性新兴产业人力资源需求数稳步增长;GBP-Bagging网络模型有效克服了单个BP神经网络在小规模数据集上的局限性,获得了比BP神经网络和灰色预测模型更为准确的预测结果;为应对产业人力资源需求增长所带来的压力,山西省应当加大人才培养力度,健全人才引进机制,在增加人才数量的同时,把控人才质量关,加强与周边地区的人才交流与沟通。     

基于RBF神经网络的物流业能源需求预测

随着中国经济的快速发展,物流业需求快速增长,规模不断扩大,也带来了能源消耗的增长.研究中国物流业能源消费水平以及能源需求,有利于物流业节能工作的开展,缓解能源压力.本文选取了影响物流业能源需求的11个主要因素,基于径向基神经网络对2001-2012年间中国物流业能源需求相关数据进行模拟与仿真,在此基础上对2016年和2020年物流业能源需求量进行了预测,并分析了11个影响因素的重要性和测算了物流业的能源效率.研究结果表明:①2001-2012年间中国物流业能源消耗总量在不断增加,随着物流业的进一步发展,到2020年物流业能源消费总量将达到51261.92万t标准煤;②在解决物流业能源需求预测问题时,RBF神经网络比GM(1,1)预测模型,BP神经网络方法有更高的预测精度;③通过RBF神经网络变量重要性分析发现固定资产投资对物流业能源消费量的影响程度最大;④目前物流业能源效率明显低于全国能源效率,为节约能源,提高能源利用效率,物流业需要转变能源利用方式和发展模式.     

基于系统动力学的印度能源及煤炭需求情景预测

随着印度能源和煤炭需求的增加,中印两国的能源竞争将日趋激烈,正确预测印度能源和煤炭需求增长趋势对于中国国际能源战略制定具有非常重要的意义。综合印度社会、经济、产业结构等因素对一次能源需求量的影响和经济、社会发展实际,构建了能源需求预测的7种情景,利用系统动力学模型预测了不同情境下的能源及煤炭需求量。根据印度经济、社会、能源、煤炭工业发展现状和趋势,考虑印度工业化需求、工业化基础、工业化的资源限制和市场限制,结合其他能源研究机构的预测结果,认为人口中增速、GDP中增速和当前产业结构模式的情景1与人口中增速、GDP中增速和弱工业化模式的情景4是较为可能的情景,根据这一判断,最终预测结果确定为:2035年能源需求量约(17~19)亿t油当量,煤炭需求量约(9~10)亿t油当量。至2035年的20多年里,印度可能成为全球能源消费增长最快和煤炭消费增长最快的地区。     

灰色预测模型在股票价格中的应用

对股票价格的预测直接影响到投资者的投资决策，关系到投资者的切身经济利益，因而对预测的准确性要求较高。本文拟尝试将灰色系统理论应用于股票市场，建立GM（1，1）模型，并通过对上证综合指数的预测说明该模型具有较高的预报精度和应用价值。     

基于BP神经网络的邮轮旅游需求预测

科学分析邮轮旅游需求规模是正确引导邮轮产业规划、投入和发展所面临的重要议题。本文首先采用定性分析和定量统计相结合的方法研究邮轮旅游需求的影响因素,并在此基础上建立基于BP神经网络的邮轮旅游需求预测模型,然后基于美国邮轮市场的统计数据进行模型的训练及测试,最后将模型应用于我国邮轮旅游需求规模的预测,精度达到95%以上。     

基于信息整合的低碳物流商业模式创新研究

针对中国传统物流行业的高能耗、低效率、低效益现象,结合低碳经济发展背景以及理论界高度聚焦于通过物流技术创新实现低碳物流的现状,在文献研究和实地调查基础上提出一种基于信息整合的低碳物流商业模式创新性构想。试图通过商业模式创新,在一定程度上促进物流产业的信息融合,克服市场分割、企业规模小、信息不对称造成的整个物流行业服务效率和能源利用率不高的问题。     

组合预测在我国人均净用电量预测中的应用

采用BP神经网络和灰色模型的组合对我国未来几年的人均净用电量进行预测。通过实际数据与预测结果的比较,具有较高的精度,证明了组合模型和方法的可行性。最后对我国2008～2011年的人均净用电量做了发展预测。     

中心城市能源供需特征分析及趋势预测——以广州为例

以广州为例,分析中心城市能源供需的基本特征,综合考虑影响能源消费的主要经济、社会、结构因素,构建回归分析模型,以此预测广州未来能源需求情况,并提出简要政策建议。     

全球锌消费及需求预测与中国锌产业发展

本文以全球10多个典型发达国家近100年的锌消费历史为研究基础,按锌消费特征分为两类国家：①美国、日本等国家,主要消费在建筑和基础设施领域;②德国、意大利等国家,主要应用于机械制造、电子等行业,都具有“S”形消费规律。在此规律基础上,将全球分为不同发展阶段的4类国家集团,对全球锌需求进行预测。预测结果显示：未来全球锌需求将持续增长,但增速将放缓,主要发达国家需求将逐步减少,中国需求已经进峰值区,全球锌需求增长点将转向印度和东盟。     

基于AHP-选择第三方逆向物流公司的分析

分析了进行企业进行逆向物流的必要性,分析了企业选择何种方式来进行逆向物流活动的决策影响因素,对第三方物流公司对于逆向物流活动影响的权重运用层次分析法进行了单个和复合分析,得出选择第三方进行逆向物流活动的评价模型。