港口集装箱吞吐量预测方法研究

介绍了BP神经网络预测法、回归分析预测法和二次指数平滑预测法,以厦门港集装箱吞吐量的预测为例进行比较和分析。结果表明:BP神经网络预测法的预测精度高于后两种预测方法,其预测结果的可靠性最高。     

基于对数二次指数平滑的港口吞吐量预测

港口吞吐量预测是港口总体布局规划的重要前期工作，这项工作影响深远。以某港口为例，简介了二次指数平滑预测港口吞吐量过程；提出了用对数二次指数平滑预测港口吞吐量；分析了对数二次指数平滑的优点；得出结论：对数二次指数平滑模型比较适合快速成长的港口进行吞吐量定量预测，可为这些港口规划决策提供科学依据，供有关部门参考。     

管理会计教学中指数平滑预测法α取值优化探讨

本文通过比较不同的销售预测方法,指出指数平滑法进行销售预测的优点,并且说明指数平滑法中平滑系数的大小对预测值有较大影响,重点探讨了在一次指数平滑法中如何采用改进的试算法对平滑系数α进行优化,提高预测的准确性。     

多模型方法下的地区常住人口规模预测分析——以湖南省株洲市为例

以1993—2012年湖南省株洲市的常住人口数量为样本数据,对株洲市常住人口数据变化情况进行分析,并分别采用一元线性回归法、二次指数平滑法、GM（1,1）模型预测法,对2013—2020年株洲市的常住人口数据进行预测,得出了株洲市未来8年的常住人口增长预测数据。根据预测结果,为株洲市未来应对常住人口增长的问题提出相关建议。     

多模型方法下的地区常住人口规模预测分析 ——以湖南省株洲市为例

以1993—2012年湖南省株洲市的常住人口数量为样本数据,对株洲市常住人口数据变化情况进行分析,并分别采用一元线性回归法、二次指数平滑法、GM(1,1)模型预测法,对2013—2020年株洲市的常住人口数据进行预测,得出了株洲市未来8年的常住人口增长预测数据。根据预测结果,为株洲市未来应对常住人口增长的问题提出相关建议。     

城市供水量的预测模型研究

本文以沈阳市Ｍ水厂的月供水量预测为背景，阐明了预处理建模数据序列的必要性，并提出一种新的供水量预测方法，即一次累加－指数平滑法，在简介了一次累加－指数平滑模型和自适应过滤模型的基本原理之后，进行了实例计算与分析．研究结果表明，一次累加－指数平滑法和自适应过滤法可分别作为月供水量的短期和长期预测模型，两者的预测误差均不超过０．６９万吨．     

锻造生产的技术经济分析

以四川某钢铁厂锻造车间为例，利用技术经济学方法分析其现在生产的经济效益，利用线性规划法确定合理的品种组合，并利用二次指数平滑法预测未来5年的销售量，最后用净现值率和净现值判定技改方案中的最佳方案，用以说明技术经济分析是锻造生产及技改决策的科学方法。     

基于指数平滑法的灰色预测模型

光伏发电具有不确定性,在接入电网时会给电力系统的运行带来一定的负面影响,而光伏发电功率预测技术则可以有效地缓解此类随机能源对电力系统的影响。针对光伏电站输出功率的随机波动性和间歇性问题,提出了一种基于指数平滑法的灰色预测模型。分别用改进前和改进后的灰色预测模型对光伏发电功率进行短期预测,并将预测结果进行对比分析,结果表明:改进后的灰色预测模型有更高的预测精度,其预测结果与实际光伏功率值更加接近。     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率。针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法。该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率。仿真实验表明：相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度。     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率.针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法.该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率.仿真实验表明:相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度.     

高层建筑物沉降预测方法的比较

用沉降预测工作中常用到的指数平滑法、回归分析法及灰色预测模型,对建筑物的沉降量进行预测,并应用工程观测中的实测数据进行了预测,从多方面对这三种方法的精度及可靠性进行了比较分析,结果表明:对于沉降趋势较为缓慢平稳的数据,采用灰色模型预测可以得到较为理想的结果;而对于变化速率的增量较小,且后期变化十分平稳的情况,采用指数平滑预测可以得到较好的效果;当沉降波动较大时,宜采用回归分析法拟合,然后进行预测.     

三种城市日用水量预测模型对比研究

为实现科学、安全供水,建立精度高、可靠性强的城市日用水量预测模型,分别运用单指数平滑法、灰色预测方法、BP神经网络三种方法,对A市进行城市日用水量预测,并具体分析了各种方法的优缺点及适用范围.通过优化对比分析,当基础数据较完善时,BP神经网络预测模型精度较高,能较好地满足预测要求.     

时间序列法在供水量预测模型建立中的应用

根据某市自来水公司1978-2003年逐年的供水量，给出了时间序列供水量预测模型建立的3种方法，即直线趋势模型、二次曲线模型和指数平滑模型．利用模型预测了2004年的供水量．该模型为自来水年度供水量指标的预测提供了一种定量决策方法．     

基于Shapley值的中国电力需求组合预测模型

针对中国1997~2013年的电力消费量,采用3次指数平滑模型和ARIMA模型分别进行了建模与拟合分析,通过合作对策理论中的Shapley值法求解了两模型所占权重,从而构建了所需组合模型,并用该组合模型预测了2015年和2016年的中国电力需求量.实例结果表明,组合模型有着更高的拟合精度,拟合相对误差平均值仅为1.52%.     

不确定环境下多周期VMI自适应库存控制方法

随着供应链中不确定性因素的增加,供应商管理库存（vendor managed inventory,VMI）作为一种新型的库存管理方式,正被越来越多的企业和学者所关注。针对单供应商单零售商的VMI模型,在顾客需求未知的情况下,提出了一种利用二次指数平滑法预测需求,用强化学习算法评估安全因子的效果,进而调整顾客服务水平的自适应库存控制方法。仿真结果表明,在非平稳需求情况下,采用该自适应库存控制策略,能够得到比较满意的顾客服务水平。     

温斯特线性与季节性指数平滑法在电力负荷预测中的应用及改进

由于电力负荷以年为单位周期性波动,且呈现出逐年上升的趋势,因此,适合于用温斯特线性与季节性指数平滑法进行预测. 但由于此方法对于负荷数据中的异常值极其敏感,很有可能导致预测结果与实际电力负荷趋势相反. 针对这一问题,对原模型作了相应的改进,使其预测结果更加符合电力负荷的总体趋势,不致于因个别异常值的存在而得出与事实相反的结论,并能进一步减少模型误差.     

灰色模型在城市中长期用水量预测中的应用

为进行科学合理的供水系统规划,给出一种基于记录时间较短、历史数据较少的用水量序列的GM(1,1)预测方法.该预测方法把原始用水量序列累加处理生成新序列后,用指数关系式拟合,通过构造参数矩阵,确定辩识参数,建立灰色模型的微分方程;求解灰色模型的时间响应函数,生成累减矩阵,进行累减运算即得用水量序列的预测值.MAPE精度分析结果表明GM(1,1)用水量预测方法精度较高.该预测方法应用于D市的中长期用水量预测,为D市供水规划提供有效依据.