ANN分析在广西区域物流需求预测中的应用

由于经济的不确定性、不重复性以及物流统计体系的不健全,造成了相关统计数据不够完备,同时,区域物流网络系统作为经济社会系统的一个子系统,具有数据少和信息不确定等模糊性的特征,使得如何对区域物流网络进行市场需求预测成为一个亟需解决的难题。文中尝试采用可以处理非线性、高度复杂系统的人工神经网络(ANN)方法建立区域物流需求预测模型进行分析,进而确定预测年度物流发展的总体规模。并将该模型应用于广西区域物流需求的实际预测中。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性。借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系。对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性.借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系.对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的.     

灰色预测模型在国内物流货运量预测中的应用

由于在全国范围内对物流货运量的影响因素众多,数据较为庞大,统计过程较为复杂,所以存在"部分信息确定,部分信息不确定"的情况,可以运用灰色预测模型对国内物流货运量进行预测。文章建立灰色预测模型,分析该灰色预测模型对国内物流货运量预测是否有效,模型运用是否合理,在模型运用合理结果有效的前提下,对未来的国内物流货运量进行了预测。     

基于ARIMA-RBF模型的区域物流需求预测

区域物流需求预测是区域物流系统规划和设计研究的基础,其结果为区域物流系统规划和设计提供科学的依据。考虑到影响区域物流需求的因素众多且复杂,且单一的预测模型很难做出准确预测,首先通过对影响物流需求的各生产或经济指标进行相关性分析,并构建基于ARIMA-RBF模型的区域物流需求量预测模型,然后以吉林省为例,对吉林省2014-2020年物流需求发展趋势进行了预测。结果表明,该方法具有较高的预测精确度,适用于不规则变化的区域物流需求预测。     

铁路物流中心间集装箱OD预测与分析研究

箱流预测是开行集装箱班列的条件和基础,铁路物流中心间集装箱OD预测有其特殊性,文章对该预测问题进行了相关研究.将铁路物流中心间集装箱OD预测问题分为两个步骤:首先采用组合预测模型对铁路物流中心的集装箱发送量进行预测,然后根据比例分担模型对铁路物流中心问集装箱OD量进行预测.     

电力系统中长期负荷预测方法的研究与程序设计

文章探讨了电力系统负荷的组成、特点,在分析比较常用的预测方法优缺点的基础之上,采用了灰色预测法与回归法相结合的方法建立了中长期负荷预测模型,把负荷预测工作分为2个部分:即用灰色预测法进行相关因素的预测和用回归法进行负荷预测。该模型充分利用了灰色预测法要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、易于检验等优点及回归法能够考虑到负荷所受的多种因素的特点,模型参数估计技术比较成熟,预测过程简单。     

供应链运作模式下物流网络库存需求水平的数学预测模型构建

从数学建模的角度定量研究了供应链运作模式下物流网络库存需求水平的预测问题,分析了物流网络供应链中批发零售企业、供应商和物流配送中心三者各自的库存需求总量预测计算方法及其相互关系,分别构建了批发零售商和物流配送中心的库存需求数学模型、物流配送中心和供应商的库存需求数学模型,最后以某个连锁经营超市物流配送网络相关数据对预测模型进行了验证和检查,结果表明该预测模型可以精确地计算出供应链环境中物流网络相关主体的库存需求总量,从而能够为相关的库存管理控制决策提供参考。     

电力系统中长期负荷预测方法的研究与程序设计

文章探讨了电力系统负荷的组成、特点,在分析比较常用的预测方法优缺点的基础之上,采用了灰色．预测法与回归法相结合的方法建立了中长期负荷预测模型,把负荷预测工作分为2个部分：即用灰色预测法进行相关因素的预测和用回归法进行负荷预测。该模型充分利用了灰色预测法要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、易于检验等优点及回归法能够考虑到负荷所受的多种因素的特点,模型参数估许技术比较成熟,预测过程简单。     

随机预测模型在库存管理中应用与改进

加速物资周转，能的不完善和随机预测模型应用僵减少库存成本一直是企业库存管理的重中之重。针对目前企业库存管理软件警告功化现状，文章改进了随机预测模型在库存管理中应用，将随机预测与物流消耗失衡有机结合形成新的警告管理系统，并运用该系统成功预测某煤电公司某物资最佳进货策略。文章实现库存警告与预测模型完美的结合，对推进库存智能化管理有着极其重要的作用。     

物流系统SL-C优化模型的构建与实现

物流服务水平和物流成本之间是“二律背反”的，在物流运作中较难进行量化分析。为此，提出了基于一定服务水平和一定物流要素价格的成本最小化的数学模型。并对其一阶、二阶条件做了相应的分析，得出了最优化资源配置时的要素投入比例关多。最后给出了物流成本优化的决策过程模型。     

基于灰色系统的江苏省物流需求预测

准确的物流需求预测对我们的物流管理活动具有重要的指导意义。运用灰色关联度和灰色系统模型,对江苏省物流需求进行动态预测,预测结果的检验和分析,表明模型较精确,可以为物流需求预测提供一定的参考。     

基于SE-DEA模型的广东城市物流效率评价分析

结合城市物流系统的特点,以民用汽车拥有量、通车里程和物流业从业人数为投入指标、地区生产总值和货物周转量为产出指标构建了城市物流效率评价指标体系,运用SE-DEA评价模型,以广东省21个主要城市为研究对象,对各城市物流系统的技术效率、纯技术效率、规模效率、超效率进行了对比分析,并提出了物流效率值相对较低的城市物流系统建设与改进建议。     

基于DEA分析法的港口物流效率测评研究

港口物流效率测评对于研究港口经营活动具有重要的意义,是衡量港口竞争能力以及经济效应的重要指标。文章将从宏观层面以及微观层面,并运用非参数化方法中的DEA方法对港口的物流效率进行测评。在宏观层面上运用DEA方法分析港口腹地产业与交通体系的投入量对港口吞吐量产生的影响;在微观层面采用DEA方法分析港口相关生产投入与产出指标来判定港口生产技术与规模的有效性。文章的研究价值在于,通过分析港口各种要素投入与产出的有效性可以测评出港口物流效率的实际水平状况,为港口未来的建设和发展提供决策依据,避免资源的重复建设和盲目投入。     

基于农村物流需求量的组合预测分析

农村物流需求量的预测对于农村物流的发展有重要意义。文章把农村消费品零售总额作为农村物流需求量预测指标．通过分析各影响因素,建立了多元回归、双指数平滑及移动平均单预测模型。根据得出的单项预测误差数据,采用折扣系数法建立组合预测模型,使得组合预测模型预测误差平方和最小。预测能力明显优于单项预测模型。     

基于AHP法与BP神经网络的应急物流风险评估与预测模型

采取AHP法和BP神经网络技术纵向相结合方法,建立了应急物流风险评估与预测模型。首先建立了应急物流风险评估的评价指标体系,给出了AHP层次分析法筛选指标的方法,然后设计了改进型神经网络模型评价与预测步骤。     

基于DEA-AHP的港口物流绩效评价研究

基于层次分析法(AHP)和数据包络分析法(DEA),构建了适合港口物流绩效评价的新型指标体系,建立了AHP和DEA相结合的两阶段评价模型。该模型首先进行定性指标的层次分析,然后将分析结果作为DEA的输入输出项,并结合其他定量指标进行DEA评价,最后结合实例验证评价方法的可行性。     

基于BP神经网络的军事物流定单预测方法研究

选择BP神经网络作为军事物流定单的预测工具,从模型输入层、模型输出层、数据预处理三个方面建立了军事物流定单预测模型,并利用MATLAB的神经网络图形用户接口GUI进行BP神经网络的训练和检验,最后给出了应用方法,并说明注意事项。     

物流系统的数学模型

作为企业“第三利润源泉”的物流,对其成本的控制目前已经成为物流合理化进程中的热点问题。文章把物流系统看成是一个特殊的生产系统,用柯布一道格拉斯生产函数方程对其进行建模。把物流系统的产出——满足服务需求看成是此方程的产出,把运输费用、储存费用和管理费用看戍是投入．对物流系统的数学建模提供了一个新的方法。最后用这个物流系统模型对社会物流系统进行了实例验证。