煤炭需求预测的复合小波神经网络模型

应用复合小波神经网络模型对煤炭消费年增长率进行了预测,综合考虑了国内生产总值（Gross Demestic Product,简称GDP）年增长率波动,主要用煤行业（电力,冶金,建材,化工等）的发展趋势,以及一次能源消费结构中煤炭消费下降的趋势等各种波动的影响,预测模型达到了很高的精度,用于近期预测是可靠的。     

美军装备备件需求预测应用现状及启示

针对我军装备备件保障中存在的需求预测手段落后的问题,对美军装备备件需求预测的研究和应用情况进行研究。分析了美军陆、海、空三军备件初始供应标准的确定方法,讨论了进行需求预测采用的常用方法,从目标和做法2个方面介绍了美军的改进计划。根据我军实际,从装备研制和使用2个阶段,提出了加强我军备件需求预测研究的策略。该研究将有助于推动我军装备备件保障的精确化水平。     

灰色理论在铁矿石需求预测中的应用

应用灰色预测理论,建立了我国铁矿石的需求预测模型,对今后铁矿石的需求量进行了预测     

农网新模式变电站及自动重合器,分断器“九五”需求预测

本文对我国农村电网及其变电站的现状和发展趋势作了综述,根据电力部农电司“关于推广应用农村变电站小型化方案及农网重点新产品的通知”,介绍了农网新模式变电站,并对自动重合器,分断器“九五”需求量进行了预测分析,可供有关部门参考。     

城镇劳动就业需求预测计量经济模型

应用经济计量学原理和劳动经济理论,建立起多个方程的联立模型来描述城镇劳动就业需求,估计模型参数,检验有关假设,使经济关系数量化．这样不仅能够对经济规律的质的规定性进行分析,而且可以从量的规定性和质与量的结合上来把握经济规律,从而为城镇劳动力供需分析、就业结构调整和制定扩大就业的对策提供参考依据     

2005年我国丙烯市场需求预测

依据我国近几年来丙烯产品的表观消耗和其主要下游产品表现消耗丙烯情况的两个方面走势,对２００５年我国丙烯市场需求进行了预测。     

基于灰色回归模型广州市果蔬类生鲜农产品冷链物流需求预测

目的 通过对不同预测方法的误差进行对比研究,选取预测精度较高的方法,促进部门科学化决策。方法 从农产品供给、社会经济水平、冷链物流保障、居民规模与消费能力四大维度选取15个指标来构建影响因素指标体系,对影响因素与冷链物流需求进行灰色关联度分析。采用GM(1,1)、GM(1,6)与主成分-多元回归线性模型对果蔬类生鲜农产品冷链物流需求进行预测。结果 GM(1,1)预测模型、GM(1,6)预测模型、主成分-多元回归线性预测模型的预测误差分别为2.97%、1.70%、2.53%。结论 GM(1,6)预测模型预测精度最高,该模型适用于中短期的冷链物流需求预测,具有较高的应用价值。     

基于机器学习的区域快递包装需求预测优化研究

目的 快递包装需求预测精准程度是智慧物流体系化建设的重要基础,本文主要通过对不同机器学习方法、不同特征选择方法、不同参数寻优方法的比较,选取快递包装需求预测更加精准的方法,分析主要特征对快递包装需求的影响,优化区域快递包装需求的研究。方法 首先通过不同的机器学习方法进行比较;然后通过不同的特征选择方法进行比较,通过不同参数寻优方法比较确定遗传算法对优化随机森林模型参数的效果;最后为了更好地解释模型,引入SHAP分析的方法,对不同特征的重要性进行分析。结果 改进的随机森林预测模型效果最好,MAE值、MAPE值、RMSE值、R2分别为2783、5.1%、4 343、0.99。女性人口和第三产业值是影响快递包装需求最为关键的因素。结论 所提出的预测方法有更好的准确性及可解释性,能为快递包装需求预测提供有力的决策支持。     

基于LS-SVM的新机备件需求预测

为解决因新机备件历史消耗数据相对较少而给备件预测工作带来的困难,提出应用最小二乘支持向量机(least squares support vector machine,LS-SVM)回归算法来实现新机备件需求的预测.阐述了最小二乘支持向量机的基本原理,建立了新机备件需求的预测模型,选取核函数,采用LS-SVM对训练样本进行学习,对其网格结构参数进行训练,通过十字交叉验证(cross-validation)和网格搜索(grid-search)确定最优参数,利用训练后的LS-SVM对新机备件需求进行预测,并进行算例仿真.结果表明,LS-SVM在新机备件需求预测上表现优秀.     

基于数据挖掘的供电公司人力资源需求预测研究

当前,供电公司人力资源需求预测机制一般设定为独立结构,预测的效率较低,导致预测误差不断增加,为此提出基于数据挖掘的供电公司人力资源需求预测方法。首先,预处理供电公司人力资源需求数据,采用多层级方式,设计多层级人力资源需求交叉预测机制。其次,构建数据挖掘人力资源需求预测模型,采用归一化处理的方式实现需求预测。测试结果表明,提出方法的预测结果更为精准、可靠,误差可控,具有实际的应用价值。