基于GM(1,1)-MLP神经网络组合模型的物流总额预测

由于传统的基于GM(1,1)的物流总额预测方法需假设其他因素变化对物流总额无影响,给预测结果带来较大误差,本文采用GM(1,1)-MLP神经网络组合模型对我国未来物流总额进行预测。将组合模型与GM(1,1)的2012—2016年物流总额拟合结果进行比较,发现组合模型的预测平均误差仅为2. 3%,远低于GM(1,1)的预测平均误差(25. 2%),精准度大大提高,可以被有效应用于我国未来的物流总额预测。     

突发事件影响下应急物资的库存管理策略

为优化应急物资的资源配置,最大化零售商的利润,引入突发事件可控性系数和应急物资需求率弹性系数,构建反映突发事件响应期和恢复期特征的两阶段需求率函数,建立两阶段应急物资库存模型,研究突发事件可控性和应急物资需求弹性对零售商订货批量和利润的影响规律。运用最优性原理分析应急物资最优订货批量、最佳订货周期和零售商最大利润的存在性问题。通过数值分析提出突发事件影响下应急物资的库存管理策略。     

GM(1,1)背景值重构模型在体育中的应用研究

由对GM（1，1）模型计算步骤的探讨，找出影响该模型预测精度的原因，通过改变其背景值的构造方法，提高了GM（1，1）模型的预测精度。并通过对NBA球员的平均工资预测，证明了此种方法在体育领域高增长指数序列建模过程中，有着比传统的GM（1．1）模型更好的实用价值。     

碳达峰碳中和目标下河北省森林碳汇估算与潜力预测

基于1950—2018年森林清查资料,选用森林蓄积量扩展法估算河北省森林碳汇量,动态分析不同清查时期碳汇量的变化,分类计算第九次森林清查时期不同树种的碳汇量,分析河北省与其他省份碳汇量的变化,最后运用灰色预测模型GM(1,1)估算了河北省2019—2033年森林碳汇量发展潜力。结果表明：60多年来,河北省碳汇量由40.01 TgC(1 TgC=1012gC)增加到184.44 TgC,年均增汇2.12 TgC/a;防护林、人工林和中龄林的固碳效果最明显;第三、六、九次森林清查时期,河北省的森林碳汇量在全国排名分别为第20、22、23名;灰色模型预测河北省2030年森林碳汇量为260.72 TgC,占同期碳排放量的22%。建议通过加大森林抚育力度、强化森林管理、做好碳汇宣传等措施,进一步挖掘河北省森林碳汇潜力,助力“双碳”目标的实现。