鄂尔多斯红庆河采煤矿区生态需水研究

鄂尔多斯红庆河煤矿区处在西部干旱半干旱内陆区域,由于煤炭开采导致生态环境问题较为突出,该区域水资源短缺、供需失衡,严重制约了矿区的生态恢复。在充分的自然概况调查基础上,将红庆河煤矿区生态需水划分为天然生态需水和人工生态需水2种类型。通过植被蒸散法对植被生态需水进行计算,使用马尔科夫链进行定性预测,利用灰色预测模型GM(1,1)进行定量预测。结果表明:以2020年为基准年,红庆河煤矿区总生态需水量为37.52×10^(7)m^(3),天然植被每平方千米乔木、灌木、草地生态需水量分别为1.11×10^(6)、1.06×10^(6)、0.36×10^(6)m^(3);人工生态需水量为1.39×10^(7)m^(3)。进一步对研究区生态需水进行定性、定量预测,规划年(2025年、2030年、2035年)矿区天然生态需水量相比基准年分别上升了0.61%、2.57%和4.57%;人工生态需水量分别上升了3.60%、11.51%和20.86%。研究结果可为该地区生态恢复中植被类型选择、水资源开发利用、合理调配水资源提供科学依据。

基于居民出行模拟的电动汽车负荷时空分布预测

针对电动汽车充电负荷时空分布预测中的随机性、不确定性问题,文中提出一种结合出行链理论和实际地理信息的电动汽车充电负荷预测方法。基于路网融合及出行链理论,对电动汽车充电需求的时空特性建立模型,以此模拟用户的出行行为特性。同时,通过对目标区域的路网进行建模,按功能区进行划分,将出行链理论的用户行为特性与目标地理信息相结合,通过Floyd算法对电动汽车用户的出行路径进行规划设计,以预测电动汽车充电需求负荷。算例结果表明,所提出的模型能够基于实际地理信息,预测电动汽车充电负荷变化规律,分析不同功能区、不同行政区域下的电动汽车充电需求负荷特性。仿真结果验证了所提模型和方法的有效性。

考虑居民用户动态行为的负荷聚合商决策分析

负荷聚合商充分发掘负荷的需求响应潜力,对于节能减排具有重要意义。为研究居民行为对聚合商决策的影响,提出考虑居民用户动态行为的负荷聚合商决策分析方法。首先,考虑居民参与需求响应的多重影响因素,基于马尔可夫生成有限理性决策行为模型,从而预测用户参与度;其次,采用信息间隙决策理论来处理用户参与度不确定性问题,将聚合商分成风险投机型和风险规避型;最后,量化评估机会利润和风险损失,具有不同风险偏好的聚合商据此选取适宜的负荷削减策略,以确保期望收益的最大化。算例结果表明:居民用户信息不完整时,该方法能够有效处理居民用户参与需求响应的不确定性问题,负荷聚合商能够更合理地进行决策以保证期望收益。

生鲜农产品的市场需求影响因素与预测——以江苏省为例

生鲜农产品是国民市场消费最为频繁的商品之一,对生鲜农产品的市场需求量进行精准预测关乎民生问题,同时还可以为农业生产活动的科学合理化决策提供一定的参考。为实现对生鲜农产品市场需求的精确预测,文章以江苏省作为研究案例,通过分析国民经济、政策投资、市场消费及物流费用支出等因素,从中选取影响江苏省生鲜农产品市场需求量的五个关键指标作为研究对象。将2008—2021年省内相关生鲜农产品市场需求量作为原始数据,基于马尔科夫优化线性回归模型对2022—2026年江苏省生鲜农产品市场需求量的预测结果进行优化。研究结果表明:构建的预测模型通过R2检验、显著性检验,线性回归模型的自变量之间不存在多重共线性,模型拟合度较好。经过马尔科夫模型优化的预测结果能更接近于实际值,减小预测误差。2022—2026年期间,江苏省生鲜农产品市场需求量不断上升且增幅较为稳定。

城乡用地需求预测及优化配置研究

为了预测并优化城乡用地需求量,确保土地资源的合理利用与区域可持续发展,文章依托具体案例,构建了灰色-马尔可夫链模型,采用多目标决策分析方法,结合人口增长、经济发展需求和生态保护等因素,系统分析城乡用地需求。研究结果表明,通过模型预测的用地需求量与实际发展趋势高度吻合,信息熵原理的应用进一步验证了预测结果的可靠性。基于预测结果,提出了用地类型划分、区域分配、空间配置优化等策略,包括促进城市内部空间集约化发展、构建生态网络、推广多功能土地利用等,为城乡用地规划提供了科学依据,对促进区域可持续发展具有重要意义。

我国医养结合型机构高龄老年人养老护理员的需求预测研究

目的预测我国2025年医养结合型机构高龄老年人养老护理员的需求规模,为我国制定养老护理人力资源发展规划提供依据。方法基于CLHLS 2008-2011年和2011-2014年两期追踪数据,利用logit模型构建老年人健康状态(健康、轻/中/重度失能、死亡)转移概率矩阵;基于2010年全国人口普查中65岁及以上老年人口资料,通过Markov模型预测2025年我国高龄(≥80岁)老年人不同健康状态的人口数,采用人力/人口比值法测算医养结合型机构中养老护理员的需求规模。结果2025年我国高龄老年人口规模约为5260万,其中健康老年人约有4690万,轻、中、重度失能老年人分别有370万、80万、120万。2025年针对医养结合型机构中高龄老年人养老护理员的需求规模,按照低标准配置为56万,按照高标准配置为115万。结论未来我国养老护理员存在巨大缺口,高龄老年人的照护人力资源供给情况堪忧,亟待建设一支专业性强、综合素质过硬、数量合理的养老护理员队伍,从而保障医养结合型机构的健康可持续发展。

考虑马尔可夫决策的产消者P2P电能交易非合作博弈模型

随着电力市场改革的推进和分布式能源在用户端的大规模发展,基于产消者端对端(P2P)的电能交易逐渐成为促进分布式能源消纳的重要解决方案。为解决产消者多阶段P2P电能交易中互动行为的强不确定性、状态转移概率不明晰等问题,提出了一种考虑Markov决策过程的产消者P2P电能交易非合作博弈模型。首先,引入可将用户行为聚合的Markov决策过程,解决了产消者由阶段性交易决策随机性导致的用电行为不确定性问题。其次,针对产消者在P2P电能交易市场中相互竞争的角色地位,建立了考虑Markov决策过程的非合作博弈模型,以产消者收益最大化为目标,结合需求响应计算P2P交易的最优电价。再次,在证明非合作博弈Nash均衡解存在的基础上,采用Nikaido-Isoda函数将博弈问题等效转化为全局最优问题,并采用分布式算法进行求解,获取最优Nash均衡解,保障产消者最大收益。最后,通过算例证明了所提方法的有效性与可行性。

基于加权马尔科夫-ARIMA修正模型的区域物流需求预测

为准确预测区域物流需求,采用自回归移动平均(autoregressive integrated moving average,ARIMA)模型建立具有线性关系的时间序列,考虑时间外的非线性影响因素,基于加权马尔科夫模型修正残差状态,构建加权马尔科夫-ARIMA模型,以我国1990—2021年月度货运周转量为物流需求数据来源,验证加权马尔科夫-ARIMA模型的预测精度。结果表明:单一ARIMA模型和加权马尔科夫-ARIMA模型对12期货运周转量预测结果的平均绝对百分误差分别为3.15%、2.22%,后者的预测精度优于前者。

基于Markov-BP神经网络的武汉市物流需求预测

物流需求预测是城市发展规划中的重要组成部分,为了能够科学地预测出武汉市的物流需求,选择武汉市地区生产总值、社会商品零售总值及货物进出口作为输入指标,将货物运输量作为输出指标,利用BP神经网络模型进行预测。在此基础上,借助马尔可夫链(Markov)对误差值进行修正,使平均相对误差从7.3%下降至1.9%。结果表明,与单一的BP神经网络模型以及其他神经网络组合方法相比,Markov-BP神经网络模型的预测精度更高,使用Markov-BP神经网络模型,对武汉市未来物流需求预测具有一定的参考价值。

基于马尔可夫链的蒸汽动力系统两阶段随机规划

现有的解决蒸汽动力系统蒸汽需求不确定性的优化方法有随机规划和鲁棒优化,但二者不能同时兼顾稳定性和经济性。本文提出一种基于马尔可夫链的两阶段随机规划去解决这个问题。第一阶段基于空间距离表达划分不确定变量,通过聚类算法划分成不同工况。第二阶段基于状态切换概率构建马尔可夫链,通过场景生成和削减的方法预测蒸汽的需求值。以某煤制气企业蒸汽动力系统为实例建立相应的优化模型,将预测的蒸汽值带入优化模型求解,得出的最优操作方案与随机规划和鲁棒优化法进行对比和分析。结果表明,本优化方法综合了随机规划经济性高和鲁棒优化稳定性高的优点,稳定性和经济性都介于随机规划和鲁棒优化的中间,为解决蒸汽动力系统的不确定优化问题提供了新思路。

基于新陈代谢灰色马尔科夫的应急物资需求量预测方法

为提高受灾人数与应急物资需求量预测精度问题,提出了基于新陈代谢灰色马尔科夫的应急物资需求量预测方法。依据应急物资需求量预测思路,利用灰色、马尔科夫和新陈代谢理论,层级递进地构建新陈代谢灰色马尔科夫预测模型,实现受灾人数的动态预测;利用安全库存理论,构建应急物资柔性需求预测模型,实现受灾人数与物资需求量的供需平衡问题;运用本文模型、灰色马尔科夫模型和灰色模型对受灾人数与物资需求量进行预测,结果表明:该预测模型的相对误差要比其他模型小0.002 1%,预测精度明显优于基本的灰色模型,预测的受灾人口数量与应急物资需求量拟合度较高。

近似动态规划求解随机需求分批配送车辆路径问题

本文针对现实生活中固体废弃物收集等需求随机的分批配送车辆路径问题,建立双层马尔科夫决策模型,使用基于动态分区的全局修正策略和基于部分重优化算法的近似动态规划进行求解。通过算例测试和分析表明模型和算法的有效性。得到以下结论:1)SDVRPSD的最优解中车辆数略高于最小期望车辆数的1.2倍,接近使用进化算法得到的最优解中的车辆数,这两者平均约相差0.6辆。2)与静态分区相比,动态分区以花费较多时间为代价,能显著提升服务范围、降低服务费用,并增加分批配送点数量。3)算法最优解与使用固定路径算法得到的初始解相比,期望服务需求量平均提高约2.6%,期望行驶费用平均降低约1.9%;分批配送点数平均多2.5个。

基于Grey-Markov的生鲜配送需求量预测系统

对生鲜农产品配送需求量进行预测,实现按需配送,可以降低甚至实现生鲜农产品的零库存,减少生鲜农产品变质、腐烂等损耗。为了高效预测生鲜农产品配送需求量,提出一种基于Grey-Markov的生鲜配送需求量预测系统。系统以Grey-Markov为预测模型,对生鲜农产品下一日的配送需求量进行预测,与指数回归等预测模型相比,Grey-Markov模型具有更强的稳定性和更好的准确性。系统设计采用C/S架构,实现以按需配送为目标的原始数据导入、原始数据管理、历史销量分析、需求量预测等功能。详细介绍了系统的架构设计、功能设计、数据库设计和程序设计。测试与应用结果表明,系统实现了预期的功能,应用效果良好,可有效减少生鲜农产品的损耗。与使用系统前相比,日剩余未售出生鲜农产品总量可降低20百分点以上。

考虑不同状态划分方法的马尔科夫链空调车备件需求预测

针对空调车备件需求随机性和波动性的特点,利用灰色马尔科夫组合模型对空调车备件消耗量进行了预测。以状态数量和区间长度为基准,提出四种马尔科夫链状态划分方式,得到预测曲线,并拟合出与实际曲线的相关系数进行比较。结果表明:第7,11,12,14月的灰色预测误差均在5%以下,可考虑在状态划分时加入不变状态;从状态数量来看,五状态对应的相关系数整体上高于四状态,原因是五状态在四状态基础上,除了能预测备件需求上升和下降的强弱状态,还可以对上述灰色预测误差较小的月份不作修正,从而提高预测精度;从区间长度来看,五状态下的等值划分和等量划分,相关系数分别为0.98和0.85,由于等量划分时的各区间长度较为失衡,最终使得概率矩阵在第13个月状态预测出现偏差。

天津市某三甲医院临床医生供需预测分析

目的通过对天津市某三甲医院医务人员供需分析,明晰人员配置问题,做出合理的供需平衡预测。方法收集天津市儿童医院2016—2021年医务人员基本信息及卫生服务利用情况相关数据,对各层级儿科医师情况进行统计分析,利用一阶灰色模型GM(1,1)预测本院未来3年临床医生的需求量,利用马尔科夫矩阵预测本院未来3年临床医生的供给量,根据2022—2024年各层级医师供需预测结果建立供需平衡表。通过供需平衡表确定本院不同层级医生的需求量、供给量以及需补充量。结果利用门急诊人次建立模型并对拟合效果进行检验,未来3年的门急诊人次分别为2381928、2372096、2391761;利用实际占用总床日数建立模型并对拟合效果进行检验,未来3年的实际占用总床日数分别为463071、486625、513005。各年度医生人均日负担诊疗人次和床日数的算数平均数分别为9.79、1.29,以此预测出2022—2024年实际临床医生需求量分别为976、999、1031。结论通过培养医生医德医风、提升医生业务能力、加强与外界的交流合作、优化医院正向宣传引导等,可以全面提升医生的综合素质,以质的提升来弥补量的不足。

一种检验测试覆盖率的定义方法及其马尔可夫验证

基于FMEDA分析提出了一种检验测试覆盖率的定义方法,以及可以提高检验测试覆盖率的措施,基于单卡三重化系统利用马尔可夫模型建模,表征检验测试覆盖率的提高对安全仪表系统(SIS)的PFDavg的影响。应用表明,该检验测试覆盖率的定义方法提出的措施可以有效提高检验测试覆盖率,仿真结果发现:提高检验测试覆盖率,并合理增加检验测试频率可以使SIS在其使用期间内的PFDavg大幅降低。

智能电网中基于增强学习的动态价格优化算法

动态的电费价格是驱使消费者改变用电消费模式的有效手段,为此,提出基于增强学习的动态价格优化(RLODP)算法。RLODP算法结合电力服务商的利润和消费者的用电成本,对电网负载进行管理;利用增强学习算法,电力服务商自适应地决策零售价格,将动态价格问题转化为离散有限马尔可夫决策过程(MDP),再利用Q-学习算法解决该决策过程。实验结果表明,提出的RLODP算法减少了消费者的用电成本,实现了电网市场中电力供应与需求之间的平衡。

物流产业发展与物流人才需求模型研究

针对阻滞指数增长模型对随机性强系统预测精度较差的弊端,用马尔可夫链模型对阻滞指数增长模型的预测结果进行改进,得到物流产业发展增加值的预测值.验证可知,改进后该值更趋合理.选择5个国家物流产业发展数据进行统计分析,采用回归模型论证了物流产业发展与物流人才需求之间存在高度相关.

求解随机需求库存-路径问题的一种算法

库存-路径问题是研究在供应商管理用户库存策略下,供应商如何合理安排长期库存及配送计划的一类问题,属于NP-hard类问题,也是运筹学领域中研究最活跃的方向之一。本文以零售商系统下随机需求的IRP为研究对象,提出了一种基于马尔科夫决策过程与修正的C-W节约算法的启发式分解算法,并给出了相应的数值算例。

基于马尔科夫与蒙特卡罗仿真的导弹装备备件需求量预测

针对低需求量备件采用一般的时间序列预测法误差较大的难题,构建基于马尔可夫与蒙特卡罗仿真的预测模型。分析备件需求量的马尔可夫性,将马尔可夫链与蒙特卡罗仿真相结合,在建立仿真模型的基础上,以MATLAB为平台,给出利用计算机实现蒙特卡罗仿真的算法步骤,并应用实例进行分析。结果表明:在给定备件满足率的情况下,应用该模型可根据季度消耗量序列来预测该类备件未来1年的需求量,为低需求量备件的预测提供借鉴。