基于L-OD法的地区间物流需求预测分析——以四川省泸州市为例

在不考虑区域以外的情况下,结合经济预测和物流系统规划的相关原理,运用指数平滑预测法、平均增长系数法以及L-OD法对四川省泸州市的2015年至2020年的物流需求量进行了预测,并绘制物流期望线图,分析变化趋势。     

基于多因素分析的区域物流需求径向基函数网络预测

对区域物流需求量进行合理、精确地预测,能为政府部门科学制定物流规划、合理配置物流资源提供决策支持和依据。在对影响区域物流需求的多种因素进行全面分析以及物流需求量指标合理选取的基础上,采用径向基函数神经网络构建区域物流需求量的非线性预测模型,并以四川省相关统计数据为基础,对区域物流需求量进行了预测,取得了满意的预测结果。研究表明:该预测模型较全面地反映了区域物流需求量的变化规律,预测精度较高,泛化能力强,预测结果具有较高的可信性。     

重庆市物流需求预测研究

从重庆市的物流需求现状出发,通过分析其物流需求的衡量指标和影响因素,建立物流需求规模预测指标体系,并根据实际数据建立BP神经网络预测模型,预测结果显示重庆市的物流需求呈增长之态,在一定程度上能够为重庆市物流规划提供定量依据。     

重庆市物流需求预测研究

从重庆市的物流需求现状出发,通过分析其物流需求的衡量指标和影响因素,建立物流需求规模预测指标体系,并根据实际数据建立BP神经网络预测模型,预测结果显示重庆市的物流需求呈增长之态,在一定程度上能够为重庆市物流规划提供定量依据。     

基于BP神经网络的湘潭市物流需求预测分析

用Matlab7.0的BP神经网络工具集模拟湘潭市的物流需求量与各经济、非经济因素的关系,以此来预测湘潭市未来的物流需求量。以湘潭市近几年的数据为例,论证了该方法的可行性。     

基于组合预测模型的广州市物流需求量预测

选取2004—2014年广州市物流需求量数据,分别建立三次指数平滑预测模型和回归分析预测模型,加权组合后构建组合预测模型,并对广州市"十三五"规划期末2020年物流需求量进行预测,结果表明:货运量将大幅增长,超过15亿吨。提出以下建议:通过提高物流技术、增加物流基础设施投入、发展特色物流园区等多种举措推动广州市物流业持续健康有序发展。     

基于BP神经网络的城市物流需求预测模型

城市物流需求是城市物流规划的重要内容和首要前提,但城市物流需求的复杂性导致难以对其进行精确预测。文章从货运量的角度出发,分析影响货运量的社会经济因素,以北京市为例,建立城市物流需求的BP神经网络预测模型,并通过Matlab进行仿真求解,结果显示用神经网络预测物流需求是非常合理。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

基于神经网络模型的中国农产品物流需求预测

以BP神经网络模型为预测方法,对2003年²012年我国农产品的物流需求进行模拟,并对未来我国农产品的物流需求的情况进行预测。结果显示,由BP神经网络模型模拟的数据精度较高,验证了该方法在数据拟合和预测领域具有较强的实用性。而对于农产品物流需求的预测结果表明,短期内我国农产品物流需求的增长状况仍然是非常可观的。     

河北省居民消费对GDP影响的计量分析

以河北省为例,通过对河北省居民消费的贡献率分析,回归分析,发现河北省居民的消费与河北省生产总值有长期的均衡关系,利用指数平滑预测方法进行预测未来五年的河北省国民生产总值和居民的消费额,并提出了相关建议。     

BP神经网络模型在沪深300指数预测中的应用

文章探讨了神经网络模型在股指预测方面的应用,通过引入宏观经济因素,建立BP神经网络模型来对沪深300指数的走势进行中长期预测,运用MATLAB神经网络工具箱对BP模型预测的准确性和可行性进行了实证检验。     

中国经济增长预测研究——基于BP神经网络与多元线性回归比较

本文采用Eviews及MATLAB软件建立多元线性回归模型及BP神经网络模型,探究传统多元线性回归方法与BP神经网络方法预测经济增长过程中的误差大小,为政府引导经济增长提供模型支持。     

中国经济增长预测研究——基于BP神经网络与多元线性回归比较

本文采用Eviews及MATLAB软件建立多元线性回归模型及BP神经网络模型,探究传统多元线性回归方法与BP神经网络方法预测经济增长过程中的误差大小,为政府引导经济增长提供模型支持.     

基于灰色预测GM（1,1）模型下的甘肃省平凉市物流量预测

区域物流量预测是地区物流产业发展和物流园区规划建设重点考虑的因素之一。本文结合平凉市的实际情况,运用灰色系统理论建立物流需求量的灰色预测GM（1,1）模型,并对平凉市2002~2012年的物流需求量进行预测,从而确定平凉市未来几年的物流需求量。     

基于BP神经网络模型的沪深300指数预测

采用BP神经网络模型,利用MATLAB软件,通过沪深300指数2011年1月4日到2012年3月30日的开盘价、收盘价、最高价、最低价四组数据建立三层的BP神经网络模型,用前290天的数据对模型进行学习和训练,然后用后12天的数据对模型进行检测,最后对2012年3月15日的开盘价进行短期预测。结果表明,BP神经网络模型具有良好的泛化能力,在沪深300指数的预测方面有很好的预测能力,有很强的现实意义。     

基于支持向量机的区域物流需求预测研究

基于支持向量机的区域物流需求预测是在追求更高的预测精度下提出的,首先选取非线性回归方法筛选影响区域物流需求的主要因子,然后用支持向量机模型对原始数据进行处理,并通过"影响区域物流需求因素"求解最优化的支持向量机核函数,最后构建影响区域物流需求的影响因子的非线性数据模型。结论表明,支持向量机模型相对多元线性回归、BP神经网络等,提高了区域物流需求的精确度,在之后的区域需求预测中将会有更加广泛的应用。     

基于神经网络邮政物流预测模型的研究

本文研究了智能物流管理控制系统在实现过程中所采用的理论和技术方法,用神经网络技术建立物流预测模型,提出了物流预测模型的层次结构和物流预测模型的知识发现流程,用BP网络算法进行设计,通过实例进行了实验并对实验结果进行分析。     

区域物流指数的编制初探

区域物流指数可以反映出该区域物流发展状况,并具有一定的预警作用。本文通过分析影响区域物流的因素,确定影响区域物流指数的9个一级指标和25个二级指标,并运用拉氏指数和扩散指数方法建立区域物流指数计算模型,为进一步深入研究区域物流指数奠定了基础。