基于BP神经网络模型的煤炭物流需求预测研究

从区域经济与煤炭产业内在关系的视角,对影响煤炭资源富集区物流的各因素进行分析和选择,构建BP神经网络预测模型,并利用Matlab技术对煤炭物流需求进行拟合,随后结合山西省1996-2011年的煤炭物流数据,分别对模型进行预测演练和精度检验,证明该模型应用于煤炭物流需求预测具有可行性和普适性,进一步对2012-2014年的煤炭物流需求进行预测,为现阶段煤炭产业物流的发展提供较为准确的参考。该模型首次采用区域经济指标结合产业发展因素的方法来对煤炭产业物流需求进行预测,在一定程度上反映了煤炭产业发展与煤炭物流需求之间的复杂映射关系,对今后区域内的产业物流需求预测具有重要的指导意义。     

石油需求预测的人工神经网络模型

2007年中国经济高速增长推动了石油产量和消费量双双攀升。石油作为重要的战略物资,在国家安全与国民经济发展中占有举足轻重地位。自20世纪70年代石油危机以来,石油越来越多为世人关注。根据我国石油消费历史数据,对未来我国石油供需状况进行预测,采用BP神经网络预测方法,利用MATLAB软件的神经网络功能,建立合理的训练模型,进行数据测试和预测,最终得到2007～2011年石油需求预测结果,并对我国现阶段石油安全问题进行分析。     

基于BP神经网络的地震应急物资需求预测研究

精准预测应急物资需求,对增强我国地震应急救援能力至关重要。通过构建基于BP神经网络的预测模型,选取震级、时间、震中烈度、抗震设防水平、地震预报、人口密度及受灾面积作为输入层神经元,以受灾人口为输出层神经元,实现了对地震伤亡的精准预测。进一步结合受灾人口数量与物资需求量的关系,估算了地震后关键应急物资（如饮用水和衣服）的需求量。通过实证分析,验证了该模型在预测受灾人口及应急物资需求方面的有效性和实用性。     

基于BP神经网络的北京物流需求预测及分析

从北京市的物流需求现状出发,通过分析其物流需求规模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,预测结果显示北京市的物流需求呈增长之态,在一定程度上能够为北京市物流规划提供定量依据.     

煤炭需求预测的主成分神经网络模型

煤炭需求预测的方法很多,主要有主观推断法、趋势外推法、国内生产总值单位能耗预测法、消费弹性系数法、主要消耗部门预测法、人均能耗法、回归分析法、时间序列预测法、灰色预测方法等.从1997年煤炭消费下降以来,上述方法预测的结果误差越来越大.近年来,灰色预测模型和人工神经网络模型用于非线性时间序列预测较为引人注目,其优点是在建模时都不需要计算统计特征,但也有其不足之处.一般神经网络处理信息不能将输入信息空间维数简化,当输入信息空间维数较大时,网络不仅结构复杂,容错和受干扰能力差,最后影响了预测的结果.     

基于BP神经网络的云南花卉物流需求预测

文章首先对云南花卉市场进行现状分析,在此基础上以近10年来云南花卉总产值为变量依据,来预测云南花卉的未来物流需求量情况。文章提出了可能会影响花卉物流需求量的8个因素,运用BP神经网络预测法并结合近10年的云南花卉总产值对未来3年的需求量进行预测。预测结果表明,未来几年,云南花卉市场对于物流的需求不降反增。而作为鲜活植物产品,花卉的运输又对冷链物流提出了更高的要求。因此,提高冷链物流的技术势在必行。     

基于ARIMA-GRNN组合模型的汽车零部件需求预测研究

单一的预测方法难以准确预测市场需求趋势,通过构建ARIMA-GRNN组合需求预测模型提高预测精确度:首先利用ARIMA预测出每月需求数并计算出每月实际需求数与每月预测需求数的误差值,再利用GRNN神经网络对误差值进行函数逼近与拟合,将拟合值对ARIMA预测值进行修正后的结果即为最终预测值。性能评估显示组合模型可以较好帮助汽车零部件企业提高市场预测精度。     

模糊聚类的马尔可夫方法及神经网络法在铁矿石需求预测中的应用

以徐州市生铁产量及其与铁矿石需求量之间的关系为基础,通过模糊聚类的马尔可夫方法、神经网络法进行预测,发现两种方法所得结果基本吻合,旨在为决策者提供参考依据。     

模糊聚类的马尔可夫方法及神经网络法在铁矿石需求预测中的应用

以徐州市生铁产量及其与铁矿石需求量之间的关系为基础,通过模糊聚类的马尔可夫方法、神经网络法进行预测,发现两种方法所得结果基本吻合,旨在为决策者提供参考依据。     

BP神经网络模型在DOCUMENTUM平台运输量需求预测的构建与实现

研究了在DOCUMENTUM平台下的BP神经网络的时间序列模型,针对石油企业生产物资的运输量做了预测,完成了BP神经模型的构建、预测结果的分析及预测模块与内容管理平台的验证.     

基于BP神经网络的武汉市物流需求模型预测及发展战略研究

从社会经济发展的层面提出了物流需求的界定和衡量方法,并利用BP神经网络对武汉市2010年物流需求量进行了预测;该模型不仅揭示了外部经济系统和内部运输系统与物流需求之间的非线性映射关系,同时有助于对武汉市现代物流业发展战略进行具体分析和规划。     

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神经网络的物流需求量预测模型研究

本文利用神经网络理论，建立了时间序列对象的反向传播（back-propagation，BP）预测模型，运用于物流需求量预测。并通过实例分析，验证了本模型的科学性与正确性。     

基于BP神经网络与GM(1,1)组合的北京市物流需求预测模型

通过分析影响北京市物流需求的相关因素,构建北京市物流需求预测影响因素指标体系。运用BP神经网络和GM(1,1)方法,建立北京市物流需求组合预测模型,选取近20年的统计数据对未来五年的物流需求进行预测,得出物流需求总量及变化规律,并以此提出推进北京市物流业发展的有效途径,为物流系统规划提供合理依据及有效发展途径。     

基于灰色神经网络的区域物流需求预测

区域物流与区域经济存在密切关系。从决定区域物流需求的经济因素出发,利用BP神经网络的非线性强拟合能力,建立两者的非线性映射关系;针对模型外推预测的能力不足提出改进的方案,采用灰色模型与神经网络相结合进行预测研究,并用广东省物流需求预测做实证,验证了模型的有效性。     

基于BP神经网络的MRO需求量预测模型研究

在分析MRO物料特点的基础上,利用BP神经网络算法,对MRO类物料历史需求数量的时间序列数据建立预测模型,解决了MRO类物料由于需求不稳定,影响因子难以确定等带来的需求量预测精度偏低的问题.并通过实证分析说明了BP神经网络在MRO类物料需求量预测上的有效性.     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。文章还比较了Elman网络和BP网络结构的建模效果。通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法。     

安徽省废弃电子电器产品回收网点建设需求预测分析

文中通过对安徽省人口预测、安徽省废弃电子电器产品的产品回收量和安徽省废弃电子电器产生量预测及处理能力需求预测,探讨了安徽省废弃电子电器产品回收网点建设需求预测,以期对安徽省废旧电子电器回收处理中心的建立起到参考作用。     

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。