一种智能型的PCB产业需求预测方法

目前需求预测在整个印制电路板产业的生产活动控制中正扮演着越来越重要的角色。分析了影响印制电路板需求的因素和现有的预测方法,提出了一种适用于PCB产业需求预测的有效方法——遗传/BP—神经网络。实验表明该方法能够进一步改善印制电路板预测的准确度和减少生产成本的消耗。     

提高定制产品物料需求预测的准确性

提高定制产品物料需求预测准确性是提高企业竞争能力的必由之路。通过某公司提高定制产品物料需求预测准确性的具体项目实践，介绍了关于提高物料需求预测准确性的具体措施。通过建立一种能为各部门所共同接受的产品语言来加强各部门的信息交流，并减少从客户的实际需求到物料预测之间的中间环节来提高整个物料预测的准确性，并以实例验证其有效性。     

基于ANN实现的供应需求预测方法

基于人工神经网络技术，建立了后勤供应需求的网络预测方法，并以某区域高校后勤保障需求为例，给出了后勤供应需求预测的步骤与实现过程。     

2003年钨钼粉及其制品需求预测

最近 ,据日本钨钼工业协会 2 0 0 3年钨钼粉及其金属制品的需求预测报告 ,钨粉由于硬质工具需求的复苏 ,今年的需求将比去年增加 6 %。由于汽车、办公设备的增长 ,半导体需求的回复和放电灯需求的增长 ,钨细丝及棒线材的用量将分别增长 7%和 9%。由于磁控管需求钨钍的坚挺和焊接棒的需求增加 ,预计将增长 31%。钨接点将持平或略减。铜合金和银合金由于库存调整到位 ,期待着通信部材的增长 ,预计分别增长 1%和 18%。钨加工产品全面期待着回复 ,预计将增长 13%,钨制品全部产量将达 483t,预计增长 9%。由于特殊用途需求钼粉的增加将增长2 9%。…     

改进BP网络在航材需求预测中的应用

针对航材备件需求预测问题,在对影响航材备件需求量的多个因素进行分析研究的基础上,运用改进BP神经网络算法进行预测的仿真实验。实验结果表明,改进BP神经网络能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。     

改进灰色神经网络的冰箱订单需求预测研究

研究冰箱订单需求准确预测问题,由于冰箱需求具有季节性和随机性,传统的数据模型无法准确描述订单变化规律,预测精度较低。为了提高冰箱订单需求预测精度,将神经网络和灰色理论相结合,构建一种改进灰色神经网络的冰箱订单预测方法。利用灰色系统理论处理订单产生中的随机性,BP神经网络预测其非线性变化规律,并利用遗传算法对神经网络参数进行优化,实现对冰箱订单的准确预测。仿真试验表明,相对于传统预测方法,改进灰色神经网络提高了订单需求的预测精度,可为冰箱需求的预测提供依据。     

上海电网中长期负荷预测

介绍了上海电网概况,分析了网供负荷特性,以及近期影响上海地区负荷的因素,并使用不同的预测方法给出了中长期负荷和用电量的方案.最后针对上海地区的特点,提出了提高负荷预测准确性和应对本地区电网严峻形势的对策和建议.     

我国平板玻璃需求预测优选方法的探讨

阐述了需求预测的重要性,介绍了在平板玻璃需求预测中应用较多的移动平均、指数平滑、趋势外推等时间序列外推法,以及多元线性回归等方法,通过寻找适用的最优预测模型,对不同预测模型进行试算,对预测结果进行分析,得出在平板玻璃短期需求预测时,使用二元线性回归模型的结果更接近最优解这一结论.     

基于深度学习的集群式供应链应急物资需求预测研究

在突发事件和大数据情景下,建立基于数据流模糊C均值聚类算法的集群式供应链应急物资需求重要度决策算法,有助于辨识集群式供应链子系统应急物资需求的重要程度。针对集群式供应链中各子供应链之间的耦合特性和预测指标的快速变化数据流特征,提出基于长短期记忆网络的集群式供应链应急物资需求动态预测算法,提取集群式供应链多个子系统应急物资需求参数的时序特征,动态地、分布地对互联大系统的应急物资需求不确定性进行系统辨识估计。仿真实验结果表明了基于长短期记忆网络的集群式供应链互联大系统应急物资需求动态预测算法的可行性和精确性。     

基于深度网络的出租车Pick-up需求预测

在智慧城市建设中,区域的出租车需求预测是一个十分重要的模块。为了预测指定区域未来时刻的出租车需求,本文通过拓展已有序列模型,提出一个多时间分辨率的基于层次注意力机制的循环高速网络（Multi-Time Resolution Hierarchical Attention-Based Recurrent Highway Networks, MTR-HRHN）。MTR-HRHN将对外生数据时空特征的提取和目标数据的时空建模整合到单个框架中,并且通过多分辨率（例如每个小时或者每天）对序列数据不同的时间属性建模,从而捕获更全面的时间模式。最后,在纽约市出租车数据集上评估MTR-HRHN的预测性能。实验结果表明,与其他经典时间序列预测方法相比,MTR-HRHN在多个高需求区域的短期需求预测上表现出更好的预测性能。