农场电商生鲜农产品需求预测体系及应用

信息化时代背景下,电子商务在农场生鲜农产品供销领域的影响力日益彰显,进行可靠的生鲜农产品需求预测对促进电子商务模式下农场的经营发展意义重大。文章构建了农场电商生鲜农产品需求预测体系,此体系由生鲜农产品供给影响、社会经济环境、人文因素、载运情况以及线上影响5个指标构成,并以青岛某农场进行了ARIMA模型预测的实例验证。结果表明:各个指标对需求量累计贡献率全部高于85%,且2019年前三季度的需求量预测误差分别为0.09%、0.01%、0.05%,预测体系及预测模型应用效果良好。     

组合灰色预测模型对物流需求预测效果的分析

在线性回归与GM(1,1)组合模型对物流需求量预测,可取得优于单方法预测效果的前提下,将线性回归法运用到与DGM(1,1)模型进行组合,检测该组合灰色预测模型对物流需求量预测效果。通过对国内2001-2012年物流需求量历史数据的分析,发现组合灰色预测模型的预测效果优于线性回归模型,但低于DGM(1,1)模型,最后利用线性回归模型、DGM(1,1)模型、简单平均组合模型和组合灰色预测模型对国内2013-2017的物流需求量进行了有效预测。     

组合灰色预测模型对物流需求预测效果的分析

在线性回归与GM（1,1）组合模型对物流需求量预测,可取得优于单方法预测效果的前提下,将线性回归法运用到与DGM（1,1）模型进行组合,检测该组合灰色预测模型对物流需求量预测效果。通过对国内2001-2012年物流需求量历史数据的分析,发现组合灰色预测模型的预测效果优于线性回归模型,但低于DGM（1,1）模型,最后利用线性回归模型、DGM（1,1）模型、简单平均组合模型和组合灰色预测模型对国内2013-2017的物流需求量进行了有效预测。     

基于组合灰色预测模型的物流企业运营成本预测

运营成本预测是物流企业制定企业发展战略的基础。文章基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数,对物流企业运营成本进行预测。选用P物流企业2000—2009年的运营成本实际值作为原始数据,利用各预测模型预测2010—2012年物流企业运营成本。预测结果表明,组合灰色预测模型比单一预测模型具有更高的预测精度。在验证组合灰色预测模型可行性的基础上,进一步预测物流企业2013—2017年运营成本,为成本预测及相关领域提供理论及方法借鉴。     

基于IOWA-FAHP的物流需求组合预测模型

面向物流需求的预测问题,提出了一种基于诱导有序加权平均算子和模糊层次分析法相结合的组合预测模型。首先,采用诱导有序加权平均算子建立组合预测模型,并基于历史数据解算各单项预测模型的加权系数;然后,针对组合预测模型中各单项模型的加权系数确定问题,引入模糊层次分析法,得到各单项预测模型的公平排序,进而确定各单项预测模型在预测年的诱导值序列,从而预测出相应物流需求量;最后通过应用算例验证了该模型的正确性和可靠性。     

变权组合模型在货运量预测中的应用

文章采用变权组合模型对货运量进行预测.首先阐述了变权组合预测模型的基本原理,构建出以每个样本点处误差绝对值最小为原则的变权组合模型,并对求解过程进行一些改进;然后分别选择单项模型、定权组合预测模型以及变权组合预测模型预测上海市2002～2013年货运量,再对变权组合预测模型的预测精度进行检验;最后运用该模型预测上海市未来5年货运量.     

基于IOWA-FAHP的物流需求组合预测模型

面向物流需求的预测问题,提出了一种基于诱导有序加权平均算子和模糊层次分析法相结合的组合预测模型.首先,采用诱导有序加权平均算子建立组合预测模型,并基于历史数据解算各单项预测模型的加权系数;然后,针对组合预测模型中各单项模型的加权系数确定问题,引入模糊层次分析法,得到各单项预测模型的公平排序,进而确定各单项预测模型在预测年的诱导值序列,从而预测出相应物流需求量;最后通过应用算例验证了该模型的正确性和可靠性.     

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。     

建筑物沉降的组合预测模型应用研究

提出采用组合模型预测建筑物沉降,并以常用的三种建筑物沉降预测模型组成组合模型进行了计算分析,结果表明组合预测模型具有较高的预测精度,值得推广应用.     

基于“互联网+”SCOR模型的生鲜农产品供应链体系

依托传统的供应链参考模型（SCOR模型）,将“互联网+”思想融入其中,结合生鲜农产品供应链的一般流程,构建了生鲜农产品供应链“互联网+”SCOR模型,并根据生鲜农产品供应链各参与主体的实际情况,从基本流程层、配置层、流程元素层对该模型进行了具体构建,最终形成了一个信息可共享、上下可协调、全程可监测、安全可追溯的生鲜农产品供应链体系,有效提高了农产品的流通效率,提高了供应链的整体竞争力,保障了农产品的质量安全,为建立一条集成、高效、优化的生鲜农产品供应链打下基础。     

安徽省能源需求的组合预测

根据预测理论,结合安徽省历年能耗的数据,在建立能源需求单项预测模型的基础上,建立组合预测模型,对2008～2014年的能源需求量进行预测。结果表明:组合预测模型的精度高于单项预测模型;安徽省能源需求量正以较快的速度在增长。     

基于SARIMA-LSTM的零售生鲜品库存需求预测

针对零售业的生鲜类商品存在易损耗、货架周期短、明显的季节性等特点,提出一种新的组合预测模型。采用SARIMA-LSTM组合模型综合供应商、零售商、用户三方面考虑需求影响因素如准时交货率、综合成本、气温状况、销售金额等,并结合贝叶斯优化算法对LSTM进行超参数选择,将SARIMA的模型预测值和实际值间的误差序列进行修正并得到预测值。实验证明,考虑需求影响因素的组合预测模型比单一传统统计方法的预测精度要高,并对以后零售业库存管理有一定的建设意义。     

基于组合模型对高速公路路面使用性能的预测研究

本文系统地总结了国内外高速公路路面使用性能预测模型的研究现状,本着利用组合预测方法提高预测精度和降低预测风险的思想,提出了衰变模型和马尔可夫概率模型的组合模型,以广东省北环高速公路为实例证明该组合模型的可应用性。     

基于IOWA算子的组合预测模型在物流需求预测中的应用

根据2000~2009年宁波市物流需求的数据,采用灰色GM 1,,1,模型和一元线性回归模型进行组合优化,建立了基于诱导有序加权平均(IOWA)算子的物流需求量组合预测模型。结果表明基于IOWA算子的组合预测模型能有效提高预测精度,说明了该方法用于物流需求预测的可行性和有效性,并在此基础上对2010~2013年宁波市物流需求作出预测。     

保障性住房需求量的组合预测研究——以河北省为例

保障性住房建设问题是影响人民的重大民生问题,我国近年来对保障性住房建设问题给予了很大的关注。但保障性住房仍存在着覆盖水平低、供需缺口大等问题,研究该课题的关键在于如何准确地预测保障性住房需求量。本文以河北省为例,利用蛙跳算法建立组合优化模型,对未来保障性住房的需求量进行预测,并与GM(1,1)模型和SVM模型作对比。结果表明,本文建立的模型发挥了组合优化预测模型的优点,降低了随机因素的影响,提高了保障性住房需求量预测的精度,所得的预测结果更为理想,对推动保障性住房的可持续发展具有重要意义。     

基于熵权灰色组合预测模型的区域能源需求预测研究

本文在充分考虑传统GM(1,1)模型所存在缺陷的基础上,结合灰色预测模型的最新理论成果,提出了基于GM(1,1)模型,新陈代谢模型,离散DGM模型三种灰色预测模型的组合预测模型,采用熵值法来确定组合预测模型中各单项方法的权重,并以湖北省为例,对湖北省2001-2010年能源需求总量进行实证研究,结果表明基于灰色组合预测模型的预测精度明显高于三种单项预测方法的精度,证明了该模型用于区域能源需求预测的科学性和有效性,在此基础上对2011-2015年湖北省能源需求进行了预测。     

福州市物流需求预测方法及应用研究

通过对福州市物流发展水平和主要经济影响指标因素进行相关分析,找出与物流发展水平关联度较大的经济影响指标,选取一元线性回归预测法、弹性系数分析法、灰色预测模型法和加权组合预测方法对福州市物流需求量进行预测,并对各方法建立科学可操作性的预测模型,为福州市物流规划提供定量依据。预测结果显示,2030年福州市物流需求相比2014年将有159%的增长。     

基于R语言SARIMA模型的航材需求预测分析

采用时间序列SARIMA模型对航材需求进行预测,以2010～2014年某航材实际月需求量数据为基础,运用R语言对航材需求量时间序列进行了稳定性判别;通过定阶和参数估计,构建了航材需求预测模型,并进行了数据预测。结果显示使用SARIMA模型拟合效果较好,预测能力可靠,能为航材部门需求预测提供准确方便的方法。     

基于确定性和随机性组合模型的我国石油需求预测研究

随着中国经济发展,石油的需求急剧增加。利用石油消费的历史数据,构建了二次趋势-ARMA(2,1)石油需求组合预测模型,并对ARMA模型和组合模型的预测精度进行了比较,证明该组合模型的预测精度较高,可以作为我国未来石油需求预测的有效工具。     

徐州市人口特点及发展趋势的预测研究

笔者运用logistic曲线模型、GM（1,1）模型、灰色Verhulst模型对徐州市人口发展趋势预测,并根据各种预测结果采用最小化方差进行权重分配,建立徐州市人口发展的组合预测模型,以求为区域人口调控政策、人口的合理再分布以及人口结构的优化指明方向。