基于需求预测的PaaS平台资源分配方法

针对缺乏PaaS平台下资源需求的有效预测与优化分配的问题，提出一种资源需求预测模型和分配方法。首先，根据PaaS平台中应用对资源需求的周期性来对资源序列进行切分，并在短期预测的基础上结合应用的多周期性特征，利用多元回归算法建立综合的预测模型。然后，基于MapReduce架构设计实现了一个Master-Slave模式的PaaS平台资源分配系统。最后，结合当前任务请求和资源需求预测结果进行资源分配。实验结果表明，采用该资源需求预测模型和分配方法后，相比于自回归模型和指数平滑算法，平均绝对百分比误差分别下降8.71个百分点和2.07个百分点，均方根误差分别下降2.01个百分点和0.46个百分点。所提预测模型的预测结果不仅误差小，与真实值的拟合程度也较高，而且利用较小的时间开销就可以获得较高的准确度。此外，使用该预测模型的PaaS平台的资源请求的平均等待时间有了明显的下降。     

考虑边信息的多层贝叶斯需求预测模型

随着工业互联网经济的发展,需求的不确定性日益增大,为提高需求预测的准确性,提出一个考虑边信息的多层贝叶斯需求预测模型(DFSI)。DFSI模型通过构造隐层的网络结构以实现对客户需求更加精确的刻画,该隐层结构主要包含两组参数:一组用于描述客户需求在时间上固有的连续性特征,另一组则用于融合相关的边信息特征。进一步,以贝叶斯推断为理论基础,以最大化后验概率为目标,推导出了DFSI的优化目标,并基于梯度下降方法设计了相应的求解算法。使用京东商城及某制造企业的真实销售数据对提出的模型进行了检验。结果显示,与常用的需求预测模型相比,DFSI能获得更好的预测结果。     

基于系统动力学的我国磷矿资源需求情景预测

2006年以来,中国一直是全球磷矿石生产和消费的第一大国。随着经济发展,磷矿资源的需求不断增加,目前国内的储量已经无法满足未来的需求量,供需矛盾日益凸显,因此合理预测我国磷矿资源的需求量,对保障我国磷矿资源稳定充足供应具有重要意义。本文运用系统动力学模型,对2018～2025年我国磷矿资源的需求量进行了预测,并基于GDP增速设定不同的发展情景,预测不同发展情景下的我国磷矿资源的需求量。结果表明,当GDP增速为6%时,我国磷矿石在各部门的消费量均呈上升趋势,其中,农业部门磷矿石的消费量占比最大,食品制造业及化学原料和化学制品制造业的磷矿石消费量的年均增速均在10%以上,并且随着GDP增速的提高,磷矿石的消费量逐渐增加。因此,为了促进磷矿资源的可持续发展,应科学施肥,保证国家粮食安全,加大磷矿勘查经费投入,提高磷矿资源保障程度,加强中低品位磷矿和伴生磷矿的综合开发利用。     

需求提前期分布对供应链牛鞭效应的影响分析

为研究需求提前期在节点企业之间的不同分布对供应链牛鞭效应的影响,构建了基于时间序列自适应过滤预测和指数平滑预测方法所得出的多节点企业供应链条件下牛鞭效应的一般数学模型,并据此模型从理论和实证两方面进行了说明,所得结论为企业通过合理计划需求提前期和实现供应链网络重构来减小供应链牛鞭效应提供了参考.     

新能源材料

2020年全球预计新增太阳能光伏142GW根据IHSMarkit的最新2020年全球光伏(PV)需求预测,未来10年,全球太阳能安装量将继续保持2位数的增长率。2020年全球新增太阳能光伏装机将达到142GW,比2019年增长14%。就地理覆盖范围而言,增长也非常可观。2010年,有7个国家的装机容量超过1GW,其中大多数局限于欧洲。     

基于山东省不同模型的物流需求预测比较研究

目的 过对不同预测方法的误差对比研究,选取预测生鲜农产品物流需求量更精准方法,为疫情情况下山东省生鲜农产品市场进行科学性、合理化决策提供参考。方法 公路货物周转量、互联网普及率、GDP、人口数量、第一产业增加值等十大影响因素作为自变量,以生鲜农产品的需求量作为因变量,分别将小波神经网络、人工神经网络(BP)、遗传算法优化神经网络(GA−BP)、粒子群优化神经网络(PSO−BP)、长短时记忆网络(LSTM)等5种方法的数据预测进行对比分析。结果 波神经网络和BP神经网络的预测值明显低于真实值,且平均相对误差接近20%,而优化后的GA−BP、PSO−BP、LSTM算法误差均小于5%,分别为4.06%、1.162%、0.45%,因此,LSTM预测精度最高,效果最好。结论 来山东省的生鲜农产品需求量将持续增长,LSTM算法以其精确度更高,学习能力更强的优点,将会被更多地应用到物流领域研究中。     

城市潜力地段共享停车位资源需求预测仿真

当前停车位资源需求预测方法对城市潜力地段停车位资源分布均匀性差,导致共享停车位资源需求预测误差较大、可信度较低等问题。针对上述问题提出一种基于灰色算法的共享停车位资源需求预测方法,计算共享停车时间转变参数、出行吸引参数、区位因子参数和出行方式调节参数。利用灰度灰色算法构建非畸形模型,将参数结果代入最小二乘法中获取指标矩阵,利用该矩阵计算拟合值,得到城市潜力地段共享停车位资源需求的预测结果。实验结果证明,所提方法能够提高共享停车位资源需求预测准确率,保证了方法的可信度。     

基于极端梯度提升的跨地区多种类电力需求预测

对多个地区不同形式电力需求进行预测,不仅可以保证各地区电力供给稳定,还可以对全国产生的不同形式电力资源按地区进行合理分配。但目前的方法多针对单地区进行单一时间序列的预测,无法满足能源互联网中对复杂情况的电力需求预测要求。针对此问题,设计一种基于极端梯度提升的跨地区多种类电力需求预测算法。该算法改进提升树方法,有效地防止过拟合,同时通过支持分布式并行的方式,提高训练效率。与其他方法相比,所提方法对训练样本总量和特征数据类型要求不严苛,并可用于多时间序列预测。实验结果表明,所提方法能在可接受误差范围内对各地区不同形式电力需求进行快速、准确的预测。     

2010-2020年我国轿车市场需求预测分析

从我国经济发展状况和收入分配状况的角度,通过回归分析对2010-2020年我国国民经济、人均GDP以及汽车需求量进行了预测.并从人均国民收入、汽车价格下跌、道路条件的改善这3个主要因素的角度检验了上述预测的合理性.得出我国应该大力发展汽车工业,鼓励轿车进入家庭,使汽车产业成为我国国民经济支柱产业的结论.