面向售后服务的汽车备品需求预测研究

根据面向售后服务的汽车备品需求特点的差异,本文将其分为专用配件和通用配件并分别选用不同的预测模型.对专用配件,采用基于时间序列相关的线性回归模型,并运用加权最小二乘法（WLS）估计参数.对通用配件,选用GM（1,1）模型进行需求预测.     

水泥土搅拌桩复合地基承载力的灰色预测

详细阐述灰色模型的建立及调整过程,利用复合地基沉降实测数据,根据灰色系统理论,建立(1,1)模型,可模拟复合地基的P~s曲线,预测地基沉降的发展趋势,分析水泥土搅拌桩复合地基的承载性能。     

趋势外推与ARMA组合的能源需求预测模型

能源需求预测是制定能源规划的重要组成部分.鉴于能源需求系统的复杂性和非线性特征,文章结合我国能源需求的历史数据,首先用趋势外推预测建立了单项预测模型,并对趋势外推预测的优缺点进行了分析;然后运用趋势外推与ARMA组合模型对趋势外推模型中的非趋势分量即残差序列进行分析,得到趋势外推与ARMA组合模型的预测结果;最后通过比较得出趋势外推与ARMA组合模型的预测结果不仅准确性高、而且稳定性好这一结论.这对于我国能源需求预测有着重要的理论意义和现实意义.     

基于偏离度分析法的江苏省旅游就业潜力预测

当前，旅游业的就业功能受到广泛关注和普遍重视，预测和把握旅游就业潜力对促进一个国家和地区旅游业的发展乃至国民经济的发展意义重大。在借鉴已有相关研究成果的基础上，以江苏省为例，运用偏离度分析法对其旅游就业潜力进行了具体测算，以期对江苏省旅游就业工作的发展有所裨益。     

城市货运发展统计数据分析与建模

21世纪的物流在上海的经济活动中扮演着重要的角色,货运在城市交通中所占的比重日益增 加,如何科学地预测货运总量的发展趋势,对上海城市交通规划有着重要的意义。本文采用基于时间序列的 ARIMA模型,构建了上海货运总量发展模型,并对上海中短期的货运发展情况进行预测。     

随机模糊神经网络模型预测铁水硅含量

该文在考虑了具有模糊化和非模糊化的模糊逻辑系统用于高炉铁水含硅量[Si]时各种噪声干扰的同时,把模糊数学理论和随机系统理论结合在一起,建立了一种新的高炉铁水含硅量[Si]的智能预报模型,该模型是由非单值模糊化、模糊规则库、模糊推理机、特殊非模糊化构成的随机模糊神经网络逻辑系统.通过结合莱钢1号高炉实时在线采集的生产数据,进行仿真研究,结果表明,该套模型能够很好地预测高炉铁水含硅量[Si].     

私家车发展状况的国际比较与借鉴

文章通过对国内外私家车发展状况的比较,得到了一些有益的启示,建议我国私家车的发展问题应该考虑到我国的综合交通运输能力,积极发展多样化的交通方式,逐步建立多层次、高效、完善、有序的交通服务系统。     

山区公路交通流特性分析与评价

首先由观测数据确定代表车型的运行速度,采用实际路段调查得到的运行速度作为评价指标,分析山区公路的交通流运行状况,然后通过实地调查采集山区公路典型断面的交通流数据,统计交通量、交通组成以及不同车型运行速度的分布情况,并通过分析交通组成以及车速连贯性和离散性等直接影响道路交通安全的因素,对事故多发路段的交通流运行状态特征进行分析和评价。最后,选取京昆高速公路某典型路段,对该路段的交通流特性进行分析与评价,可为相关工作人员提供借鉴和帮助。     

Prediction of the Indian summer monsoon using a stacked autoencoder and ensemble regression model

The study of climatic variables that govern the Indian summer monsoon has been widely explored. In this work, we use a non-linear deep learning-based feature reduction scheme for the discovery of skilful predictors for monsoon rainfall with climatic variables from various regions of the globe. We use a stacked autoencoder network along with two advanced machine learning techniques to forecast the Indian summer monsoon. We show that the predictors such as the sea surface temperature and zonal wind can predict the Indian summer monsoon one month ahead, whereas the sea level pressure can predict ten months before the season. Further, we also show that the predictors derived from a combination of climatic variables can outperform the predictors derived from an individual variable. The stacked autoencoder model with combined predictors of sea surface temperature and sea level pressure can predict the monsoon (June-September) two months ahead with a 2.8% error. The accuracy of the identified predictors is found to be superior to the state-of-the-art predictions of the Indian monsoon.     

基于计算机仿真的堆石坝坝面流水施工方案研究

根据流水施工的基本原理和堆石坝填筑的施工特点，利用计算机仿真技术对堆石坝施工交通运输系统进行模拟，考虑了堆石坝土石方挖运对其坝面流水施工的影响，合理确定出坝面流水施工方案，使其既能够满足施工进度所要求的填筑强度，又能够保证各分区可以进行流水施工。