基于最优利润规划模型的商超蔬菜定价与补货决策

在生鲜商超中,一般蔬菜类商品的保鲜期都比较短,商超通常会根据各商品的历史销售和需求情况每天进行补货。本文针对商超蔬菜的定价与补货决策进行最优化研究分析。首先研究商品销量分布及销量随时间变化趋势,利用皮尔逊系数发掘不同蔬菜种类间的相互关系,接着采用自回归积分移动平均模型(ARIMA)预测价格未来走势。

一种新的数据预处理算法——NLCA

针对数据预处理的方法进行了研究,提出了基于非线性相关性分析与量化(Non-LinearCorrelation Analysis,NLCA)算法。NLCA算法是一种基于在多重图中通过对多重边聚合从而达到约简的工具,它包括边聚合与点聚合。这种算法能够很好地表示实时数据全局的相关性,改进了现有使用联合概率的单一计算方法。对该算法进行了大量实际数据的验证,显示出它是一种优于现有的数据预处理方法。

基于集成学习的高炉压差预报模型研究

为了提升高炉生产的智能化水平,提出了基于集成学习算法的高炉下部压差预报模型,解决了基于在线数据精准预报下部压差的难题。通过对高炉内部机理进行系统分析,全面选取了高炉原料参数、操作参数、状态参数和指标参数作为模型的输入。并采用实际现场数据得到了变量间的相关系数,确定了高炉下部压差相关的重要特征变量。采用极限树集成算法建立了压差预报模型,并结合模型的预报精度,采用向前选择法优化了模型的输入。通过对模型算法超参数的选择,获得了最优超参数集合,该参数集合建立的下部压差预报模型精度R^(2)达到了0.8264,且MSE接近零值。测试结果证明,该模型具有良好的预报精度和泛化能力,对现场操作者提前预判高炉运行状况和调整炉况具有重要的指导意义。