基于BP神经网络和二次指数平滑法组合预测模型的安徽省物流需求预测

为准确预测安徽省的物流需求,从经济发展、产量结构、地区贸易和消费水平4方面选取安徽省的地区生产总值,第一、二、三产业产值,社会消费品零售总额,固定资产投资,人均消费性支出7个影响因素作为安徽省物流需求评价指标,以安徽省货运量作为物流需求规模输出指标,采用灰色关联分析计算安徽省物流需求评价指标与物流需求规模间的关联度,判断评价指标的合理性。通过夏普利值法将BP神经网络预测模型和二次指数平滑法预测模型组合,预测2017—2021年安徽省物流需求。结果表明:BP神经网络预测模型、二次指数平滑法预测模型及二者的组合预测模型预测结果的平均相对误差分别为4.58%、6.70%、3.99%,组合预测模型的平均相对误差最小。通过组合预测模型预测2022—2024年安徽省物流需求分别为405 004.96万t、407 142.09万t、409 108.95万t,安徽省货运量呈持续增长趋势,但增幅降低。安徽省应加快传统物流向智慧物流的转移速度,扩大内需,加强物流枢纽城市间的联系,加速区域一体化发展步伐,确保物流高质量发展。

ETS和SARIMA流行趋势中的性能比较模型在预测北京市猩红热

收集2004—2019年北京市猩红热月发病人数和人口学资料,采用描述性统计方法和Joinpoint回归调查猩红热的流行病学变化趋势。北京市猩红热发病的平均年度百分比变化为(AAPC=1.866,95%CI:-2.968~6.941;t=0.816,P=0.428),流行趋势总体保持稳定,每年的4—6月和11—12月为发病高峰,呈双季节模式。最优SARIMA模型和最优ETS模型预测的平均绝对误差(MAD)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)、平均误差率(MER)、方根百分比误差(RMSPE)五个误差指标分别为0.586、0.623、0.751、0.296、0.785和0.318、0.282、0.438、0.282、0.338,可见ETS模型的预测准确性高于SARIMA模型,可用来对北京市猩红热流行趋势进行预测预警,从而为猩红热动态精准化防控提供参考依据。

基于指数平滑和PSO-BP混合模型的建筑工程造价指数预测

建筑工程造价指数是进行工程造价管理的重要依据。为了提高建筑工程造价指数预测的准确性,首先,利用HP滤波将造价指数分解为趋势序列和波动序列,然后采用指数平滑模型对趋势造价指数序列进行预测;其次,利用粒子群算法(PSO)优化的BP神经网络对建筑工程造价指数的波动序列进行预测,PSO-BP神经网络模型的输入指标为引起造价指数变化的4种材料价格;最后,叠加二者预测值即为建筑工程造价指数的预测值。实验结果表明:该混合模型对6个月的造价指数预测的平均相对误差为0.55%,取得了很好的效果,为准确预测建筑工程造价指数提供了一定参考。

二次指数平滑多目标组合模型电力负荷预测

为提高短期电力负荷预测精度,提出一种二次指数平滑多目标组合模型ES-BiLSTM-LSTM预测方法。通过获取负荷目标预测值和残差目标预测值,实现多目标负荷预测;利用Pearson相关系数,选取与电力负荷相关性较高的影响因素;采用双向长短期记忆神经网络(BiLSTM)和长短期记忆神经网络(LSTM)串行学习负荷数据的时序性特征和周期性特征;利用二次指数平滑法平滑处理负荷数据,获得残差项,通过LSTM模型训练和迭代,提取残差数据的波动性特征;将负荷预测值与残差预测值融合得到修正预测值。实验结果表明,该方法在MAE、MSE和RMSE上,对比3种负荷预测模型均有提升。

基于指数平滑的农产品价格预测大数据平台设计

文中针对庞杂的农产品市场价格信息,设计了基于指数平滑的农产品价格大数据平台,通过构建Hadoop、Hive和Spark大数据框架,在Spark-SQL内完成了农产品价格信息的数据清洗工作;并利用改进的指数平滑法模型,实现了农产品价格预测功能;借助SpringMVC、Ajax、Echarts等技术实现了农产品价格数据统计、分析、预测等功能的图形化显示。数据平台的应用在帮助用户直观准确地获取农产品价格信息、分析农产品价格发展趋势、预判农产品的市场前景、规划农业种植等方面均具有较为重要的参考价值和现实意义。

指数平滑法模型与ARIMA模型在行业碳排放趋势预测中的综合应用实践分析

本文分析了直接测碳、卫星测碳、以能算碳三种碳监测方式。直接测碳是最直接也是最准确的,缺点是设备改造投资较高,并且非固定污染源以及中间过程的碳排放无法被监控到;卫星测碳是利用全球碳卫星,结合光谱温室气体探测技术,获得地区二氧化碳在大气中的含量,监测范围广,缺点是只能监测碳浓度状态,不能直接监测碳排放量;以能算碳是采用的能源消耗量和国家核算给定的排放因子相乘,得到碳排放量,缺点是存在能源基础数据不完备,统计数据是较为滞后的等问题。

基于时序指数平滑法的冷库能耗预测模型构建

冷库的能耗是影响冷库运营企业运营成本的直接因素,通过构建合理的冷库能耗预测模型,可以对冷库短期内的能耗进行预测,从而为冷链物流企业未来的财务分析和决策提供依据。以银川市某冷链物流公司旗下运营的两座冷库为例,运用时序指数平滑的方法构建冷库能耗预测模型,预测冷库未来短期内的能耗发生趋势,并用冷库能耗的实际发生值和模型的预测结果相对比,验证预测模型的合理性,为企业未来的冷库运营策略提供参考。

遗传算法加权指数灰色模型的应用

由于传统的灰色模型和指数平滑模型在用电量预测方面精度欠佳,为了对江西省全社会用电量进行短期预测,从统计年鉴官网获得2000—2022年江西省全社会用电量数据,然后将灰色模型与指数平滑模型采用遗传算法决定加权组合,得到加权指数平滑灰色模型。利用加权指数平滑灰色模型对该数据进行模型构建,最后在验证模型有效性的基础上进行未来用电量预测。结果显示,所提出的方法相对于其他单项模型和传统的组合模型而言,预测得到的结果更加准确,平均相对误差更小,具有较高的预测精度,为用电量预测提供更可靠的参考,对用电量管理和规划具有重要意义。

基于ARIMA模型和指数平滑模型对我国货物进出口总额的预测研究

在后疫情时代,为了研究我国货物进出口情况,本文采用了ARIMA模型和Holt-Winters三参数指数平滑模型对我国1996年1月至2022年10月的货物进出口总额的月度数据进行建模比较分析,并对未来三年的进出口总额进行预测。根据预测结果显示,两个模型都能较好的拟合数据,后者模型的拟合程度略优于前者。预测结果显示未来三年我国的货物进出口总额是逐渐增长的。

基于Brown指数平滑模型的自适应R峰探测算法

心电图是心脏疾病诊断最有效的医学检查手段之一。R峰探测是心电图解读中的第一步。对于可穿戴心电信号而言,R峰探测的难点主要在于动态强噪声的干扰,并且有限的硬件计算资源限制了一些复杂算法的使用。因此,论文提出了一种基于Brown指数平滑模型的自适应阈值R峰探测算法。该算法基于R峰的形态特点和出现规律选取特征,利用Brown指数平滑模型更新阈值参数,采用相对误差最小二乘法优化其中的平滑系数,修正对观测误差的平滑能力和对观测量变化的反应速度,使得更新后的阈值能够更加符合R峰探测情况。最后该算法在自建的心电图数据集上,精度、召回率和F1分数分别达到了99.6%、99.7%和99.65%,并与其他R峰探测算法进行比较,确定了所提出算法在一些性能指标上的优越性。通过实验证明,该算法能够良好地适应强噪声环境,获得满意的R峰检测精度。

动态指数平滑优化模型及其应用

针对常规二次指数平滑模型在实际应用中的不足,引入动态平滑参数的概念,建立了一类不需选取平滑初值、平滑权重能自行调整的指数平滑模型;以预测误差平方和SSE最小为目标,构造了优选并自动生成最佳平滑参数使预测模型得以优化的最速下降算法.通过严谨的数学论证和算法分析较完整地解决了指数平滑预测中,平滑参数靠经验确定并且因静态、平滑初值难以确定而易导致预测偏差等问题.最后用所建模型对中国消费品零售总额进行了预测,结果明显优于传统模型.

蔬菜大棚墒情预报的衰减指数平滑模型

利用宿迁市船行灌区实测数据率定衰减指数平滑模型的参数,研究了衰减指数平滑模型在蔬菜大棚墒情预报中的适用性。结果表明,与霍尔特双参数模型相比,衰减指数平滑模型改善了预报效果,用于蔬菜大棚墒情预报具有较高的精度。

基于灰色理论与指数平滑法的需求预测综合模型

在我国制造业中,需求预测不准确是导致库存居高不下的主要原因之一。文章通过构建基于灰色理论与指数平滑法的需求预测综合模型,对B公司M5A福美来新车型的需求量进行预测,以总成本最小为目标确定最优初始库存量,并依据客户的长期需求对发货策略进行分析与调整。研究表明,基于灰色理论与指数平滑法的需求预测综合模型具有较高的可靠性与实用性,能为B公司采购与生产决策提供理论依据和支撑。

指数平滑技术改进灰色沉降预测模型及应用

GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。该文将指数平滑技术引入到灰色预测模型中,该方法既充分利用了观测序列中的有用信息,又大大减少其随机性,采用平均斜率法对灰色模型的背景值计算方法进行了改进,将原始观测数据序列变换成规律性强的呈指数变化的序列。某公路试验段实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。

指数平滑法改进灰色模型及其在形变数据分析中的应用

基于指数平滑方法, 提出改造短形变观测值序列方法, 该方法既充分利用了观测序列中的有用信息, 又大大减少其随机性; 对灰色模型的背景值计算方法进行了改进, 将原始观测数据序列变换成规律性强的呈指数变化的序列. 实例分析表明, 指数平滑改进的灰色预测模型有较高的预测精度.

基于指数平滑法的光催化涂料效果灰色预测模型及应用

通过自制Cu-TiO2光催化涂料,针对光催化涂料降解甲醛气体的效果与光催化时间的关系,利用环境测试舱模拟可见光源下的室内环境,从而获得甲醛气体浓度实测值。根据甲醛气体浓度实测值,分析GM(1,1)预测模型所存在的缺陷,在此基础上提出采用指数平滑技术和灰色理论相结合的方法构建一新的EX-GM(1,1)预测模型。该模型不仅可以大大减少实测值的随机性,还可以将实测值序列变换成规律性强的呈指数变化的序列,从而提高模型的预测精确度,其平均误差为-0.507%,尤其提高了Cu-TiO2光催化涂料降解甲醛效果预测过程后期(420～510 min)的精确度,其平均误差为-0.168%。EX-GM(1,1)预测模型的建立将为光催化涂料性能的研究提供一定的技术支持。

基于IOWA算子的指数平滑模型与非线性回归模型的组合预测

文章首先对观测值进行单个预测,然后通过建立基于IOWA组合预测模型,构建了以误差平方和最小为准则新的组合预测模型,通过求解非线性规划模型给出了基于IOWA组合预测的最优权系数。最后对比预测效果评价指标体系的各个指标,表明该组合预测模型能提高模型预测的精度。

时间序列指数平滑模型新体系及算法

本文提出了动态平滑参数的概念,由此建立了一类不需选取平滑初值、带有动态平滑参数的指数平滑新模型体系,包括差分-指数平滑模型;又以预测误差平方和SSE最小为目标,构造了优选并自动生成最佳平滑参数使平滑模型得以优化的最速下降算法,增强了指数平滑模型对时间序列的适应能力.从而较完整的解决了指数平滑预测中,平滑参数靠经验确定且为静态、平滑初值难以确定并易导致预测偏差等问题.

基于成分数据动态指数平滑的用户需求变化趋势预测模型

用户需求是产品开发的重要前提,而用户需求是动态变化的,现实中人们又很少去关注用户需求的变化,导致企业开发的产品很难满足用户的实际需求,产品的功能或性能会产生冗余或不足现象。针对这一问题,文章提出基于卡诺模型和动态指数平滑的用户需求变化趋势预测模型。首先把卡诺模型应用在用户需求信息的分类上,然后结合成分数据分析,采用优化的动态指数平滑预测法,建立了用户需求变化趋势预测模型,最后仿真实例验证了所提理论与方法的正确性和有效性。

赋权指数平滑模型在城市日用水量预测中的应用

提出了一种新的用水量预测模型——赋权指数平滑模型,将其应用到城市日用水量预测中,预测结果具有很高的精度,平均绝对误差MAPE达到0.596%。比较发现赋权指数平滑模型得到的均方差与平均绝对误差均小于其他方法,进一步证实赋权指数平滑模型具有较高的预测精度,适用于日用水量的预测。