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IOWA算子的灰色—多项式组合模型在武汉市物流需求预测中的应用

针对2002～2009年武汉市物流需求的数据,采用灰色GM 1,1模型和多项式拟合模型两种单项预测模型对数据进行建模预测。并结合组合预测理论,采用基于IOWA算子的组合预测模型进行预测,结果表明基于诱导有序加权平均算子的组合预测模型的预测精度明显高于两种单项预测方法,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2010～2012年的武汉市物流需求作出预测。     

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。     

夏域物流需求预测方法研究

对区域物流需求预测的方法进行了研究,在对各单项预测模型进行选择和建立的基础上构建了组合预测模型,并且研究了确定权重系数的科学方法,同时将此方法应用到区域物流实例当中,运用组合预测模型对江苏省物流量进行了预测.     

基于相关系数的IOWGA算子区间组合预测方法

各种错综复杂的因素导致数据表现出不确定性,区间型数据为取值在一定边界的现象提供了强有力的分析工具。为提高区间型观测信息的预测精度,本文结合相关系数和诱导有序加权平均(IOWGA)算子给出一类区间值时间序列的组合预测模型。通过最大化实际值和基于IOWGA算子的组合预测值区间中心和半径序列的相似性程度,给出组合预测的一类客观权重信息确定方法。最后,结合实例表明本文所提出的区间型信息组合预测模型能够有效提高预测精度。     

基于IOWGA算子的生态足迹组合预测模型研究

随着经济水平的不断发展，我国生态资源与环境正面临着巨大的压力与挑战。作为衡量自然生态资源与环境状况的重要指标，生态足迹的准确预测对于制定自然资源保护与环境治理政策具有重要意义。本文基于2003至2014年安徽省各生物资源及能源消费量，计算了各年人均生态足迹，并采用灰色GM模型、长短期记忆神经网络模型、差分自回归移动平均模型作为单项模型进行预测，建立了基于诱导有序几何加权平均算子（IOWGA）的人均生态足迹组合预测模型，并将组合预测模型与单项预测模型进行比较。结果表明，组合预测模型对人均生态足迹的拟合程度较好，具有较高预测精度。     

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。     

中长期电力负荷变权重组合预测模型应用分析

针对电力负荷变权组合预测中权重难以确定,本文引入了模糊变权重组合预测模型,该模型利用预测误差绝对平均值、预测误差绝对累加来确定各单项预测模型的权重,引入“近大远小”策略、冗余检验原则,实现组合预测模型筛选。应用结果分析表明,变权重组合预测模型在中长期电力负荷预测结果的精度较高,实用性较好。     

海南自贸区旅游业客源组合预测模型 ——基于IOWGA算子

新出台的海南自由贸易区总体规划中明确提出要重点发展旅游产业,本文根据海南省2011-2016的接待游客总人数的真实数据,分别以指数曲线模型、灰色系统理论为理论基础,建立海南旅游业客源指数曲线预测模型、GM(1,1)预测模型进行预测,再在诱导有序加权集合平均算子(IOWGA)的基础上建立组合预测模型,并以此组合模型对海南省全境2017-2020年的接待游客总人数进行预测,最后,根据预测结果给出了一些对海南自贸区在未来几年旅游产业发展的对策和建议。     

基于IOWA算子的我国社会消费品零售总额的组合预测

为了准确判断我国的消费形势,选取我国2000-2018年的经济月度数据,首先基于机器学习的方法分别构建随机森林、支持向量机和BP神经网络三个单项预测评价模型对我国社会消费品零售总额进行预测,由于单项预测方法存在自身的优势与限制条件,于是引入了基于误差平方和最小的诱导有序加权算术平均(IOWA)组合预测模型,结果表明:组合预测模型各种预测误差均小于单项预测模型,说明文中构建的IOWA组合预测模型预测性能优越,具有较好的运用前景。