论预测滞后对牛鞭效应的影响

作为供应链管理中普遍存在的一个现象,牛鞭效应(The Bullwhip Effect)成为学术界关注的焦点之一。学术界普遍认为需求信息的扭曲是产生牛鞭效应的主要原因之一,因此从信息扭曲的源头——需求预测,分析预测滞后对牛鞭效应的影响。认为在信息不共享的情况下,预测滞后的大小和牛鞭效应的大小呈现反相关关系。

我国核磁共振成像设备(MRI)配置预测分析

目的:对我国2015年核磁共振成像设备(MRI)配置数量进行预测。方法:分别采用指数平滑法、滞后模型预测法和需求法进行预测。结果:3种方法得到我国2015年MRI预测值分别为4 347台、4 209台、5 423台,中位数为4 347台。结论:尽管各种预测技术方法不同、结果不尽相同,但这些预测有助于为我国大型医用设备配置与规划提供循证信息。

适用于风电并网的VSC-HVDC系统模型预测控制

针对风电并网的电压源换流器高压直流输电(VSC-HVDC)系统的传统双闭环控制策略存在控制结构复杂、PI参数较多且难以整定、响应速度慢等问题,提出适用于风电并网的VSC-HVDC系统模型预测控制策略。为了提高风电场母线交流电压的控制精度,风电场侧换流器(WFVSC)采用基于优化模型预测的定交流电压控制,提出滞后补偿两步预测法,并将模型预测控制与脉宽调制(PWM)技术相结合,求取2个控制周期内调制波的最优解,然后经过调制单元生成开关信号作用于WFVSC。网侧换流器(GSVSC)采用有限控制集模型预测功率控制,基于GSVSC的离散数学模型,利用代价函数遍历寻优找出使代价函数最小的开关状态组合作用于GSVSC。基于所提模型预测控制的VSC-HVDC系统具有良好的稳态性能、动态性能和故障恢复性能,能为风电场提供稳定的交流电压。仿真结果验证了所提控制策略的可行性和有效性。

基于长短记忆网络的指数量化择时研究

构建高精度股市指数预测模型进而设计高效的择时策略是量化投资领域的研究热点。文章在股市指数建模过程中引入自适应噪声完备集合经验模态分解(CEEMDAN),并结合长短记忆网络(LSTM)对复杂序列中长期依赖关系高效的建模能力,提出一种指数预测建模方法C-LSTM。首先,运用CEEMDAN对指数进行量分预解测与值重获构得,指获数得的其整高体、低预频测分值量,与及现趋有势主项流;然预后测,方利法用L的ST对M比分实别验对表各明分C-量L进ST行M预具测有建更模低,的进预而测加误和差集和成滞各分后性;最后,构建基于C-LSTM预测的指数择时策略,并在沪深300指数上将其与均线择时、SVR择时进行对比实验,结果表明该策略凭借对指数的高精度预测大幅提升了择时信号的准确度,整体表现显著超越对照策略。