融合灰色理论与马尔科夫链的青岛市物流需求量预测

物流需求预测的准确性对物流基础设施投入和物流政策制定是至关重要的。根据物流需求受经济、社会发展和环境政策等不确定因素影响的特点,融合灰色理论与马尔科夫链,用灰色预测揭示系统时序变化的总体趋势,马尔科夫方法预测序列的随机波动的范围,能够优化灰色预测结果,提高预测的精度。以货运量为物流需求度量指标,建立灰色状态马尔科夫组合预测模型,对"十二五"期间青岛市物流需求量进行预测,预测结果可为青岛市"十二五"期间物流发展战略制定、物流服务体系构建和物流园区建设等工作提供理论参考和数据支撑。

果蝇优化最小二乘支持向量机混合预测模型——以我国物流需求量预测为例

为解决最小二乘支持向量机参数设置的盲目性,利用果蝇优化算法对其参数进行优化选择,进而构建了果蝇优化最小二乘支持向量机混合预测模型.以我国物流需求量预测为例,验证了该模型的可行性和有效性.实例验证结果表明:与单一最小二乘支持向量机和模拟退火算法优化最小二乘支持向量机预测模型相比,该模型不仅能够有效选择参数值,而且预测精度更高.

基于BP神经网络的物流需求量预测模型研究

本文利用神经网络理论,建立了时间序列对象的反向传播(back-propagation,BP)预测模型,运用于物流需求量预测,并通过实例分析,验证了本模型的科学性与正确性。

区域物流需求量预测实证研究

本文从河北省的物流需求现状出发,通过分析区域物流需求量的衡量指标和影响因素,建立了区域物流需求量预测指标体系,并根据实际数据采用BP神经网络方法建立预测模型,通过与指数平滑法预测结果比较可以看出,采用BP神经网络方法进行物流需求量预测较指数平滑法更精确,在一定程度上能够为河北省物流规划提供定量决策依据,并以此为基础为整个区域物流需求量预测提供科学依据。

基于非线性增长模型的物流需求量预测

针对GM(1,1)模型的不足,引入非线性增长模型——Richards模型预测物流需求量,通过分析指出Richards模型不仅具有S形态特征,也具有非线性增长形态,根据模型性质,给出了Richards模型具体建模方法以及参数求解办法,基于不同实例应用结果显示,Richards模型预测精度明显高于GM(1,1)模型,更能准确的描述物流需求量的非线性增长趋势。

基于BP神经网络的物流需求量预测框架设计

结合物流需求量预测过程的实际情况,采用BP神经网络技术,建立基于BP神经网络的物流需求量预测模型。通过有效样本的学习,应用该模型能够实现对物流预测数据指标关系、知识和经验的提取和存储,给出预测模型和流程图框架设计。同时分析了在预测过程中存在的问题,以及预测指标体系进一步研究的方向。

中国天然气物流需求量预测—基于自适应过滤和马尔科夫模型

针对中国天然气物流需求量预测问题,改变传统使用单一数学方法的预测方式,在使用自适应过滤法的基础上,利用预测值与实际值的关系构建马尔科夫矩阵修正结果。并与使用三次指数平滑法的预测结果进行对比,验证其准确性。最后根据此方法预测2015-2020年中国天然气物流需求量,为规划建设提供依据。

基于无偏灰色马尔科夫模型的新疆物流需求量预测

选取货运量来表征物流需求,用新疆2001-2014年货运量作为原始数据序列,建立无偏灰色马尔科夫预测模型,对"十三五"期间的货运量进行预测。模型的检验结果表明:均方差比值和小误差概率均为一级,相对误差为二级。模型提高了货运量预测的精确度,平均精度达到98.7%,表明此模型对于货运量的预测有很强的实用性。

基于GM-Markov模型的闽赣粤三省物流需求量预测

本文利用2008-2013年闽赣粤三省货运量,通过灰色预测模型中的GM(1,1)预测模型对闽赣粤三省2014-2016年货运量进行预测,经过后验差比值和小误差概率检验,得出模型预测精度为优。同时,利用Markov模型对灰色模型予以改进,构建新的GM-Markov模型,对三省2014-2016年货运量进行预测,并将前后模型预测结果与实际值对比,指出GM-Markov模型比单纯的GM(1,1)预测模型预测更为精确。最后,以GM-Markov模型对闽赣粤三省2017-2021年物流需求量进行预测,得出未来这些地区物流需求总量呈现缓慢增长态势,并指出闽赣粤三省物流业的发展应重点做好产业结构调整,做好基础设施的建设和人才的引进培养等。

基于产运系数法的物流需求量预测研究

结合我国社会物流统计制度确立的指标体系,对传统的以货运量为核心的物流预测方法的优缺点进行了分析。在此基础上提出了产运系数法,是从物流基本概念出发的物流需求量计算方法,并采用该方法对某地区的运输量、库存量、配送量、全社会物流需求量、第三方物流需求量进行了预测。

大庆市物流需求量的灰色预测

物流需求量是决定物流产业发展政策和物流园区规划建设的重要因素。本文结合大庆市实际情况,运用灰色系统理论建立物流需求量的灰色预测模型——GM(1,1)模型,对大庆市2006～2010年的物流需求量进行预测,并用定性方法对预测值加以修正,从而确定大庆市未来几年的物流需求量。

物流需求量的灰色系统预测分析

本文首先说明了物流需求预测的重要性,指出了灰色系统预测模型在物流需求预测中的应用价值。根据灰色绝对关联度,分析了相关经济影响因子对物流需求量的影响程度,然后举例说明了考虑相关经济因素对物流需求量影响的GM(1,N)模型系统预测比GM(1,1)模型单变量预测更有效。

基于无偏灰色马尔科夫模型的物流需求量预测

针对灰色预测与马尔科夫链预测的优点和不足,提出了无偏灰色马尔科夫模型,该模型既消除了传统灰色预测的固定偏差,发挥了灰色系统预测精度的特点,又利用了马尔科夫模型对预测波动性数据准确的优势,最后利用宁波市货运量的数据进行预测验证,结果显示无偏灰色马尔科夫模型预测精度较高,表明该模型的可行性和有效性。

基于指数平滑法对陕西省高速公路服务区物流需求量的预测分析

采用二次指数平滑模型对陕西省未来五年的物流需求量走势进行预测。通过预测结果分析陕西省高速公路服务区物流需求量的走势将呈现一个快速增长的趋势。

镇江市物流需求量的灰色预测

物流需求量是决定物流产业发展政策和物流园区规划建设的重要因素,对于制定宏观经济政策和促进地区经济发展具有重要意义。本文运用灰色系统理论,建立了镇江市物流需求量的灰色预测模型——GM(1,1)模型,并对镇江市今后5年的物流需求量进行了预测,为制定区域物流发展规划、确定物流基础设施建设规模提供定量依据。

我国农产品物流需求量组合预测分析--基于PLS、BP神经网络和ARIMA模型的实证

针对影响农产品物流需求的各种特定因素,提出基于偏最小二乘回归(PLS)、BP神经网络和ARIMA模型的我国农产品物流需求量最优组合预测分析方法体系,并基于1995-2015年中国农产品物流需求量相关数据对我国农产品物流需求进行预测分析。实证分析结果表明,预测方法不但能够有效预测农产品物流需求量的整体变化趋势和细节波动,具有更高的预测精度,而且能够反映粮食产量、粮食价格等影响因素对物流需求量的作用机制。

基于组合预测模型的广州市物流需求量预测

选取2004—2014年广州市物流需求量数据,分别建立三次指数平滑预测模型和回归分析预测模型,加权组合后构建组合预测模型,并对广州市"十三五"规划期末2020年物流需求量进行预测,结果表明:货运量将大幅增长,超过15亿吨。提出以下建议:通过提高物流技术、增加物流基础设施投入、发展特色物流园区等多种举措推动广州市物流业持续健康有序发展。

上海浦东空港物流园区物流需求量预测研究

本文结合浦东空港物流园区实际情况,运用灰色系统理论建立物流需求量的灰色预测模型——GM(1,1)模型,对浦东空港物流园区2008年至2012年的物流货运量进行预测。通过预测和检验得出浦东空港物流园区货运量的增长幅度,对于物流园区的物流货运量进行具体情况分析,对于现有物流园区的发展,今后物流园区的扩建,提供一定的借鉴方案。

我国社会物流需求量的非线性回归预测

为了更好地发展物流业,需要对物流需求量进行准确地预测。文中以1992—2011年的货运量来反映我国社会物流需求量,用非线性时间序列模型进行预测。该模型具有较高的拟合精度,可以比较准确地预测出2014—2023年的物流需求量,为我国物流业的合理规划提供参考。

基于灰色-马尔科夫链的冷链物流需求量预测——以昆明市鲜切花为例

目前以昆明为主的云南鲜切花在国内市场占有率超过了70%,昆明市也因此成为全国最大的鲜切花供应产地,每年昆明市的鲜切花大约有90%以上外销到世界各地,"昆花出省"离不开冷链物流,而鲜花界素来就有"鲜切花品质50%取决于种植,50%来自采后处理和冷链运输"的说法,文中为了获得未来昆明市鲜切花冷链物流的需求状况,以2005年-2017年的鲜切花产量为依据,采用灰色-马尔科夫链模型对未来5年昆明市鲜切花的冷链物流需求量进行预测,预测结果显示其精确度达到了99. 032%,因此能够为当地政府提供可靠的参考。