首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 31 毫秒
1.
湖南省经济的快速发展为汽车贸易的增长,为汽车消费市场的扩张提供了广阔的发展空间,本文根据近年来湖南省各项经济指标,运用回归方法,建立了一个适用于短期预测的统计模型,并从该模型出发预测湖南省2013年的私家车保有量。  相似文献   

2.
现代物流中的销售预测模型研究   总被引:1,自引:0,他引:1  
邹辉霞  鞠红 《物流技术》2003,(10):36-37,41
针对销售物流对销售预测的要求,尝试采用改进了的适应指数平滑法,建立短期销售预测模型,并对模型进行验证,同时采用客户调查法和销售物流人员综合意见法,进行同样目的的预测,将各种预测方法得出的结果进行融合,得到最终预测结果。  相似文献   

3.
王琰 《物流科技》2016,(4):106-110
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。  相似文献   

4.
基于GMDH方法的四川民用汽车保有量预测研究   总被引:1,自引:0,他引:1  
文章针对四川民用汽车保有量原始数据较少的特点,应用GMDH方法建立预测模型对其进行了预测分析,并通过与传统的回归和人工神经网络模型预测结果的比较说明GMDH方法是汽车保有量等复杂经济系统变量小样本预测的一条有效途径。  相似文献   

5.
赵桂红  孙曜 《物流技术》2022,(11):27-31
快递业务量的预测是我国邮政业制定发展策略的重要前提。通过采用灰色GM(1,1)预测、多项式趋势外推预测、指数平滑预测及Shapley值分配权重的组合预测模型对我国2012-2021年快递业务量进行分析,对比预测结果与平均相对误差,证实了基于Shapley值法的组合预测模型在我国快递业务量中的预测精度高于三种单一预测模型,具有科学性。利用此模型对我国“十四五”期间快递业务量进行预测,为政府、邮政管理部门及快递相关企业制定发展策略提供参考。  相似文献   

6.
基于我国稀土需求总量、需求结构以及世界占比等历史数据,本文分别采用时间序列法、情景分析法,参照世界权威信息服务公司罗斯基尔的相关数据对2020年我国稀土需求量进行预测。研究结果表明,预计到2020年,我国各领域稀土总需求量为11万~14万吨,比较2012年,年复合增长率为7%~10%。通过对我国稀土需求量进行预测,为政府制定相关行业政策提供决策依据。  相似文献   

7.
广西北部湾港口物流需求预测及发展模式研究   总被引:1,自引:0,他引:1  
广西北部湾港作为一个组合港,港口物流需求量日益扩大,为掌握其港口物流发展态势,拟采用三次指数平滑法构建广西北部湾港口物流需求预测模型,基于2000~2009十年港口吞吐量,对2010~2012年港口吞吐量作出预测,以及对港口物流科学发展提出对策建议。  相似文献   

8.
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。  相似文献   

9.
本文选取1978年至2011年的居民消费水平为样本数据建立预测城乡居民消费水平差距的指数平滑法预测模型,以预测2012年至2014年我国的城乡居民消费水平的差异状况,通过分析预测,该模型拟合误差较小,拟合情况达到预期目的。预测结果表明,自改革开放以来,我国的城乡居民消费水平在大幅度增长的同时,城乡居民消费水平的差异也呈现相同程度的扩大。  相似文献   

10.
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.  相似文献   

11.
对回归预测模型的改进   总被引:6,自引:0,他引:6  
一、引言 回归预测模型是预测模型技术的一种,在实际中发挥着重要的作用。但不可否认,它的预测误差往往很大。这也是不足为奇的,因为它仅仅是一种趋势外推法。 众所周知,事物的发展不仅受长期趋势支配,还会受到周期波动和随机扰动的影响,从而呈现出以趋势线为中心的变动轨迹。可见,作为随机方程的回归预测模型仅考虑到长期趋势,没有考虑周期波动,这是预测误差较大的一个重要原因。为此,本文考虑周期波动对回归预测模型进行改进,从而提高了拟合优度,降低了预测误差。 二、对回归预测模型的改进 为方便起见,设y关于X的回归预测…  相似文献   

12.
以路网广义容量的内涵和计算理论为前提,通过对现状及特征年宏观路网容量的分析,确定未来特征年机动车限制保有量。考虑多项影响因素,建立机动车保有量多元回归预测模型,对未来城市机动车保有量进行预测。在此基础上进行供需分析,从而为城市机动车发展战略提供重要的决策依据.最后以武汉市主城区为例对宏观路网供需情况进行分析并提出改善措施。  相似文献   

13.
灰预测是灰理论的重要内容之一。应用灰预测模型可以有效预测员工绩效趋势。文章构建了灰预测模型,分析研究了灰预测模型在员工绩效趋势灰预测中的应用,对员工绩效趋势进行了灰预测,为有效制定绩效改进计划,正确引导员工行为,不断提高员工绩效水平提供了科学依据。  相似文献   

14.
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。  相似文献   

15.
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。  相似文献   

16.
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。  相似文献   

17.
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。  相似文献   

18.
为了对物流成本进行有效预测,以2000-2010年的物流成本数据为基础,分别采用灰色关联模型、基于最小二乘法的线性回归模型和时间序列模型对物流成本进行预测,并对预测结果进行了对比分析.结果表明,灰色关联预测模型的误差明显小于其他两种预测方法,预测精度最高,对物流成本的预测具有一定的理论价值和参考价值,在一定时期内可以为我国的宏观物流成本决策提供依据.  相似文献   

19.
民用汽车保有量与社会经济发展有着密切关系,本文通过将情景分析和计量经济学结合,寻求民用汽车保有量和社会经济有关指标的函数关系。根据全国的统计数据,得到全国民用汽车保有量的预测模型,预测出全国在2009年民用汽车保有量为930至1030万辆,2010年民用汽车保有量为980至1230万辆。  相似文献   

20.
郭晓魁 《物流科技》2011,34(4):11-12
为了评价公路网设计的可靠性,提高交通量预测的精确度,以交通工程的基本理论为指导,在大量调查数据的基础上,运用时间序列法的线性、二项式、指数等方法进行交通量预测,得到了相应的预测模型,通过序号总和理论得到了精确度较高的预测模型,并通过预测模型计算出未来特征年的交通量,为交通量的预测研究提供了一种新的研究思路。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号