给定需求区域应急物资储备库选址模型及其解法

为确保应急方案的合理制定和灾后应急物资的高效调度与使用,提高应急物资储备库选址决策的科学性,引入非线性时间满意度函数,构建基于时间满意度的需求区域下应急物资储备库选址优化模型。考虑储备库选址中时间因素的重要性和需求区域的差异,从需求区域的角度定义时间满意水平。同时,考虑受灾规模和受灾程度的不同,用不同矩形需求区域描述物资需求点。利用蝙蝠算法(BA)求解模型,得到最优的选址分配方案和各个需求区域的时间满意度。结果表明,用BA算法能有效求得应急物资储备库选址模型的最优解,且在需求区域的不同时间满意度偏好下,选址方案达到了较高的时间满意度。

城市应急物流需求区域确定及等级划分方法

为提高应对突发事件的物资保障能力,提出基于联合国救灾署(UNDRO)灾害风险评估模型的应急物流需求区域风险预评估流程。采用应急物流需求总量,分类别、分事件需求量,需求密度,需求比例等指标进行物流需求测度,研究突发事件发生概率与需求扰动水平、需求密度、需求的自我供给水平相结合的3种需求区域等级划分方法。实例研究表明:区域4、3、1作为城市商业中心,人口密度高及消防隐患多,应急物流需求等级高于其他区域;城市外围区域9,由于工业基础较好,抗风险能力及自我修复能力高,需求等级低。作为城市的有机组成部分,各区域地质灾害事故的发生概率相差不大,城市管理者应关注火灾事故及安全生产事故对应急物流需求的重大影响。

突发事件后城市应急物流需求区域测度及等级划分方法研究

针对突发事件后城市的应急物流问题,提出了城市应急物流需求区域的风险预评估模型,采用需求量、需求密度和比例三个指标对物流需求进行测度,并研究了三种需求区域等级划分的方法,并结合济南市10个行政区域的等级划分实例进行验证,结果表明:提出的需求区域划分方法正确有效。

基于SVM的区域物流需求建模与预测仿真——以浙江省为例

为了提升区域物流需求预测的准确度,提出了一种基于支持向量机的物流需求预测方法。首先,通过主成分分析法对区域物流需求影响指标进行筛选,然后输入样本数据进行学习,最终建立区域物流需求与影响指标之间的非线性模型。基于浙江省2002—2021年的物流需求进行仿真分析,结果显示,相比于BP神经网络,SVM在区域物流需求预测方面有更高的预测精度,具有广泛的应用前景。

高强度快递需求区域移动仓库选址算法

研究了高强度快递需求区域移动仓库选址问题的特点,以移动仓库总建设规模最小为目标函数,以区域需求量和仓库服务能力为约束条件,提出了基于多粒度集合覆盖问题的相遇蚁群算法。将需求点虚拟成粒子,利用K-means算法对粒子聚类,在划分好的粒子群里得到移动仓库备选点,分别应用传统的蚁群算法和相遇蚁群算法进行实例验证。计算结果表明:运用传统的蚁群算法,运算时间为12.714 4s,最优解个数为13,最差解个数为15,平均解个数为13,解的正确率为79%;运用相遇蚁群算法,运算时间为3.806 4s,最优解个数为12,最差解个数为13,平均解个数为12,解的正确率为98%,移动仓库选址方案的建设数量为12,有10个备选移动仓库是多余的。

基于支持向量回归机的区域物流需求预测模型及其应用

为了提高区域物流需求预测的能力,从区域经济等影响因素指标与区域物流需求之间的内在关系的角度,应用基于结构风险最小化准则的支持向量回归机(SVR)方法,建立"影响因素—区域物流需求"SVR预测模型来研究预测区域物流需求问题。在选择适当的参数和核函数的基础上,对上海市物流需求量进行预测,发现该方法能获得较小的训练相对误差和测试相对误差。

状态空间时间序列的区域物流需求预测研究

区域物流需求是制定区域物流发展政策、基础设施建设和物流系统规划的重要依据,由区域各项相关经济指标共同决定。针对区域物流需求预测中样本数量小的问题,提出了互信息高维度特征降维方法,在保证相关综合信息完整性基础上降低原始数据维度,在此基础上建立了状态空间时间序列预测模型,同时采用局部线性小波神经网络和LIBSVM支持向量回归模型进行对比实验。算例分析及实验结果表明,采用互信息降维后的预测模型相对误差平均减少54.8%,互信息与状态空间时间序列模型相结合的预测方法对于区域物流需求预测问题预测精度较高,相对误差约为0.08。

结合区域需求的地方高校通信工程专业建设

为了实现人才培养与区域人才需求之间的对接,本文以我校通信工程专业建设与改革为例,分析了专业所面临的问题,明确了专业建设与改革的目标,设计了面向区域需求的通信工程专业建设与改革方案,并从明确专业办学定位、优化人才培养模式、强化实践教学环节、规划课程群建设和加强"双师型"教师队伍建设等方面对方案进行了阐述。该方案对地方高校相关专业的建设具有一定的借鉴意义和示范作用。

区域物流需求预测的应用研究

为了提高区域物流需求精度,综合考虑区域物流需求线性、周期性和非线性信息,提出了采用组合模型的预测方法.通过将各种单一预测模型看作代表不同信息的片段,通过BP神经网络对不同信息进行集成,充分利用各单项预测方法的有用信息,从而提高区域物流需求预测精度.通过上海市的物流需求数据对组合模型进行测试,实验结果表明,组合模型很好揭示了上海物流需求的变化规律,提高了物流需求的预测精度,为区域物流需求预测提供了一种新的思路和方法.

区域物流需求与区域经济的关联性分析

针对前人在研究区域物流需求与区域经济时,或缺乏对它们的关系进行定量研究,或将它们的关系过于简单化的现状,利用能很好处理对相互关系不太明确的灰色关联分析来分析区域物流需求与区域经济的关联程度,结果显示区域物流需求与区域经济之间具有很强的相关性,它们之间存在内在逻辑性。

基于多因素分析的区域物流需求径向基函数网络预测

对区域物流需求量进行合理、精确地预测,能为政府部门科学制定物流规划、合理配置物流资源提供决策支持和依据。在对影响区域物流需求的多种因素进行全面分析以及物流需求量指标合理选取的基础上,采用径向基函数神经网络构建区域物流需求量的非线性预测模型,并以四川省相关统计数据为基础,对区域物流需求量进行了预测,取得了满意的预测结果。研究表明:该预测模型较全面地反映了区域物流需求量的变化规律,预测精度较高,泛化能力强,预测结果具有较高的可信性。

产业结构与区域物流需求关系分析

通过对湖南省的产业结构与区域物流需求关系的分析可知,对物流需求影响最大的是第二产业,而且随着第二产业内部结构调整以及第三产业比重的增加,公路运输提升很快,铁路运输逐年下降,物流量年增长由近几年的快速增长会逐步放缓。

区域物流需求建模与预测仿真

研究区域物流需求预测优化问题,区域物流需求与经济结构和资源分布相关,因此存在较强的非线性,属于一种小样本、非线性数据结构。传统线性、大样本预测方法无法进行准确预测,预测精度比较低。为提高了区域物流需求预测精度,提出一种支持向量机物流需求预测方法。首先采用多元回归分析法选择区域物流需求的影响因子,然后将输入样本输入到支持向量机学习,并通过蚁群法对支持向量机参数进行优化,最后建立区域物流需求与影响因子之间复杂的非线性关系模型。采用上海市1978-2003年物流需求量对模型性能进行测试,结果表明,相对于多元线性回归、BP神经网络模型,支持向量机提高了区域物流需求的预测精度,在区域需要预测中具有广泛的应用前景。

基于灰色关联度的区域物流需求与区域经济发展关系研究

对区域物流需求与区域经济发展之间的关系进行了定量研究,构建了反映区域物流需求和区域经济发展的指标体系,运用灰色关联度方法量化了区域物流需求与区域经济发展之间的关联系数,对大连市区域物流需求与区域经济发展之间的关系进行了实证分析,结果显示区域物流需求与区域经济发展之间具有较强的相关性。

农民公共文化服务需求的区域差异性——基于在H省内的实证调查研究

在国家实行基本公共服务均等化战略的大背景下,完善公共文化服务体系成为各级政府的工作重点。但一个不容忽视的现实是,省域内也同样存在区域差异,而且这个区域差异会直接反映为农民公共文化服务需求的区域差异。课题组通过对H省内不同区域农民的问卷调查表明,区域人均收入的差异,会直接表现为不同区域农民对公共文化服务项目、文化设施项目的需求差异。所以,为了提高财政绩效,各级地方政府在提供具体公共文化服务项目时,需要以区域农民需求为导向,用公共文化服务的差异化供给,实现公共文化服务的均等化。

区域物流需求预测模型研究

为了提高区域物流需求预测的能力,文章从区域经济等影响因素指标与区域物流需求之间的内在关系的角度,利用主成分分析对各影响因素指标进行处理,构造了基于主成分分析-SVR的"影响因素-区域物流需求"预测模型。在选择适当的参数和核函数的基础上,对上海市物流需求量进行仿真,通过与标准的-SVR方法和线性回归方法进行了对比,发现该方法能获得较小的训练相对误差和测试相对误差。

基于区域经济发展需求的高职教育人才培养模式创新

文章梳理了目前高职教育人才培养模式的弊端,指出高职人才培养模式与区域经济需求的必然相关性,并提出了区域经济发展需求下适合不同专业类别的人才培养模式:复合型人才培养模式或"双证融通"的人才培养模式适合经济类专业;"工学交替"人才培养模式适合技术类专业;"订单式"人才培养模式和"2+1"人才培养模式适合服务类专业。

区域用水需求驱动因子诊断研究

用水需求增加与水资源短缺之间的矛盾使得水资源成为制约区域社会经济发展的瓶颈。在明确给定供水量的前提下,通过提高用水效率和效益,防止水质污染来满足用水需求,实现从传统的供水管理向需水管理转变的新治水思路。在需水管理视阈下以江苏省为研究对象,采用德尔菲法从生产、生活和生态用水3方面分析影响用水需求的关键指标,运用因子分析法诊断出驱动用水需求的公共因子包括农业因子、经济发展因子、人口因子和生态因子。研究结论将为区域优化用水结构、落实最严格水资源管理制度提供决策依据。

基于灰色神经网络的区域物流需求预测

区域物流与区域经济存在密切关系。从决定区域物流需求的经济因素出发,利用BP神经网络的非线性强拟合能力,建立两者的非线性映射关系;针对模型外推预测的能力不足提出改进的方案,采用灰色模型与神经网络相结合进行预测研究,并用广东省物流需求预测做实证,验证了模型的有效性。

基于GSO-GNNM模型的区域物流需求预测

准确预测区域物流需求量是科学制定区域物流业发展规划,实现区域物流系统供需平衡的决策基础。在现有研究的基础上,考虑到区域经济发展水平与区域物流需求的相关性,提出一种区域物流需求预测的GSOGNNM模型,运用1999—2013年间湖南省货物周转量和相关经济指标的统计数据对所建预测模型的有效性进行检验并与其它预测模型进行比较,结果表明该模型具有较强的预测能力。