“互联网+”时代的出租车资源配置模型

打车软件平台增加了乘客与出租车司机之间的信息透明度,促进了供求匹配,在一定程度上缓解了“打车难”的问题。从另一个角度,出租车司机获得了乘客的需求信息后,可能出现“挑单”的现象,一些低收益的订单将会难以被接。本文基于深圳市的实际数据,分析了深圳市的出租车供求关系时空分布,并探讨了已有补贴方案对出租车资源配置的影响,之后给出了更合理的补贴方案的设计模型,并通过仿真说明方案的可行性。从某种程度上,能够通过经济手段实现出租车资源的优化配置,最大程度上有效缓解“打车难”的问题。     

长沙市商品房市场需求量的数理分析

本文在归纳总结与长沙商品房市场需求量相关联的若干经济指标的基础上,利用灰色关联熵分析方法提炼出影响商品房需求量的主要因素,然后建立灰色多元线性回归预测模型.通过实际数据检验,该模型可行并且能有效预测未来长沙市商品房的市场需求量的变化.     

基于灰色系统理论的多元线性回归分析

运用灰色系统理论剔除了自变量观察数据中的噪声污染,对传统的多元线性回归分析方法进行了改进,建立了灰色多元线性回归分析模型.将模型应用于陕西省就业问题的研究,取得了满意的预测效果.     

基于多元线性回归模型的东北地区需水量分析

多元线性回归模型在社会、经济、技术以及众多自然科学研究领域中已被广泛使用,某个地区需水量应与该地区多种因素有关,故选取东北地区的GDP、水库蓄水总量、人均可支配收入、城市绿地面积和工业用水量等5个因素,借助MATLAB软件阐明了多元线性回归模型在东北地区需水量分析中的应用.并通过皮尔森相关性检验、拟合优度检验、F检验、t检验和残差分析的方法对模型进行优化,得到了准确可靠的多元线性回归模型,此模型具有拟合程度高、简易、直观等优势,为多元线性回归模型在需水量分析中的应用提供了有力参考.     

多元线性回归模型参数估计的递推算法及误差分析

讨论新增数据信息对多元线性回归模型的修正原理,给出不断加入新增数据信息的多元线性回归模型参数估计值的一种递推算法.利用影响因子的概念来刻画新增信息对预测误差的影响,并给出了算法和应用实例.     

基于反馈回归法的用电量预测模型研究

多元线性回归法是用电量预测中常用的一种方法,带反馈的多元线性回归法是一种改进的回归方法,具有更高的精度.本文在此基础上进行了多次反馈,即利用带多次反馈的多元线性回归法,结合SPSS软件进行统计分析,并以陕西省用电量为例探究分析多次反馈的多元线性回归法在用电量预测中的应用,从而得到更精准的用电量预测模型.最后以四川省的用电量数据对模型进行了验证,体现出了该模型的优越之处.     

基于模糊积分的金融数据建模方法

以非可加模糊测度代替经典可加测度,基于模糊积分建立非线性回归模型是新近出现的数据建模方法.该方法充分考虑自变量因素之间的信息熔合(含协同或冲突)作用.本文完整地给出了适用于实数范围内的基于模糊积分(含Choquet积分和(S)ipo(s)积分)的多元非线性回归模型转化为普通线性回归模型的非线性转换方法及其简化算法.并将该方法应用于金融市场数据分析,结果表明效果较之普通多元线性回归有大的提高,且方法简便容易应用.     

中国城镇居民消费支出的多元非线性回归模型研究

以1993-2007年数据为根据,采用逐步回归方法,建立中国城镇居民消费支出的多元非线性回归模型.结果表明:影响居民消费支出的主要因素有收入、消费意愿、居住面积、商品零售价格.消费支出随着收入、消费意愿、商品零售价格的提高而提高,随着人均居住面积的增加而先增后减.而且多元非线性回归模型比线性回归模型更能准确描述客观实际结果.     

关于城市出租车规划的模型及应用

运用增长率法,建立指数增长的模型,结合规划期的人口规模,预测规划期的居民出行量和居民出行强度,以及乘坐出租车人口,随后利用出租车空载率为主要参数,建立数学模型并预测出租车的最佳数量.利用经济学分析方法,用埃奇沃思盒式图描述交易双方的福利变化,建立均衡时的价格竞争模型,寻求使司机和乘客达到帕累托改进的可能性.分别就油价调整前后的情况,找出调整起租基价和综合单位里程车价能使双方都满意的次优方案.进一步分析了起租基价和里程的合理性,提出了数据采集的建议和方案,并向市公用事业管理部门概括介绍.模型对确定其他类似准公共产品的供应量和定价也具有一定的借鉴意义.     

关于高等教育学费的优化模型探讨

给出了高校学费的优化模型,该模型对于高校标准学费的制定有着一定的借鉴意义.对模型的求解,采用了数据拟合和多元线性回归的方法,并通过计算机模拟的方法来对结果加以检验,检验结果表明模型是合理的.整个求解过程借助了MATLAB6.5,求解过程极其便利可行.     

平台合作模式对出租车公司利润的影响研究

基于改进的Salop环形城市模型, 研究了专车公司参与运营的多寡头出租车行业中, 出租车公司为改善利润水平, 可采取的两种合作模式, 即共享需求信息的共享信息模式和共同推出概率性服务的联合行动模式, 并进行对比分析。基于专车公司的在线平台, 采用共享信息模式可提升出租车公司利润水平, 条件是支付一定的平台使用费;采用联合行动模式则一定会提升出租车公司的利润。将两种平台合作模式进行对比分析, 发现当出租车公司有较高的相对运营效益时, 合作程度更深的联合行动模式能给公司带来更高的利润。     

考虑乘客取消订单的网约车平台定价策略

针对乘运市场供需不匹配的情况,考虑乘客在网约车平台预约订单后的取消行为,以平台利润最大化为目标,首先建立乘客选择模型计算乘客取消订单概率,再分别构建市场供过于求和供不应求状态下的利润模型,求解平台最优定价。研究表明:制定适当的违约规则可以有效减少乘客取消订单的概率,提高平台利润;最优定价随着服务质量的提高而增加,在打车非高峰期,平台可以通过提高服务质量来增加平台利润;非高峰期平台最优定价随着出租车费用的增加而减少,而高峰期定价策略受出租车费用影响较小。     

A hybrid metaheuritic technique developed for hourly load forecasting

Electricity load forecasting has become one of the most functioning tools in energy efficiency and load management and utility companies which has been made very complex due to deregulation. Due to the importance of providing a secure and economic electricty for the consumers, having a reliable and robust enough forecast engine in short‐term load management is very needful. Fuzzy inference system is one of primal branches of Artificial Intelligence techniques which has been widely used for different applications of decision making in complex systems. This paper aims to develop a Fuzzy inference system as a main forecast engine for Short term Load Forecasting (STLF) of a city in Iran. However, the optimization of this platform for this special case remains a basic problem. Hence, to address this issue, the Radial Movement Optimization (RMO) technique is proposed to optimize the whole Fuzzy platform. To support this idea, the accuracy of the proposed model is analyzed using MAPE index and an average error of 1.38% is obtained for the forecast load demand which represents the reliability of the proposed method. Finally, results achieved by this method, demonstrate that an adaptive two‐stage hybrid system consisting of Fuzzy & RMO can be an accurate and robust enough choice for STLF problems. © 2016 Wiley Periodicals, Inc. Complexity 21: 521–532, 2016     

Deep learning for energy markets

Deep Learning (DL) is combined with extreme value theory (EVT) to predict peak loads observed in energy grids. Forecasting energy loads and prices is challenging due to sharp peaks and troughs that arise due to supply and demand fluctuations from intraday system constraints. We propose a deep temporal extreme value model to capture these effects, which predicts the tail behavior of load spikes. Deep long‐short‐term memory architectures with rectified linear unit activation functions capture trends and temporal dependencies, while EVT captures highly volatile load spikes above a prespecified threshold. To illustrate our methodology, we develop forecasting models for hourly price and demand from the PJM interconnection. The goal is to show that DL‐EVT outperforms traditional methods, both in‐ and out‐of‐sample, by capturing the observed nonlinearities in prices and demand spikes. Finally, we conclude with directions for future research.     

QUANTITATIVE METHODS FOR DECISION SUPPORT IN THE ICELANDIC FISHING INDUSTRY

Abstract Modern fisheries already collect vast amount of data, for example, through ERP systems and electronic log‐books. It is however well known that the data are rarely used for improving operational decision making. By converting this data into useable information, decision making in the fishing industry could be improved. This paper attempts to show that quantitative methods can be of use in many aspects of decision making in the fishing industry. The paper proposes a hierarchically structured decision support process based on two different optimization models for supporting the long‐ and short‐term decision making in fisheries. For long‐term planning the paper proposes a linear optimization model that describes the entire operation of a vertically integrated seafood company. For short‐term decision making the paper proposes a mixed integer linear optimization model to assist in organizing vessel trips and deciding catch location with regard to raw material quality and yield obtained in processing.     

Large‐scale automated forecasting for network safety and security monitoring

Large‐scale real‐time streaming data pose major challenges to forecasting, in particular, defying the presence of human experts to perform the required analysis. We present here a class of models and methods used to develop an automated, scalable, and versatile system for large‐scale forecasting oriented toward network safety and security monitoring. Our system provides short‐ and long‐term forecasts and uses them to detect issues, well in advance, that might take place in relation with multiple Internet‐connected devices.     

政府补贴和平台宣传投入下双渠道逆向供应链定价策略研究

整合线上和线下回收渠道,构建互联网回收平台和拆解商竞争回收、合作拆解的逆向供应链模型。通过设定互联网回收平台的宣传效应系数,探讨政府补贴拆解商和互联网回收平台进行宣传投入对逆向供应链定价决策和利润的影响。研究结果表明政府补贴和宣传投入相结合模式能够提高互联网回收平台和拆解商的经济收益,且优于只有政府补贴拆解商的情形。当宣传效应系数较小时,在合理的宣传投入范围内,二者的利润大于无宣传投入时的利润;当宣传效应系数较大时,互联网回收平台的利润始终随着宣传投入的增加而增大,而拆解商的利润随着宣传投入的增大呈现先增加后减少的变化趋势。     

城市交通管理中的出租车规划

根据城市的发展情况以及类比其他城市的发展状况,对城市交通出行情况建立模型,对城市出租车的数量及乘坐人口做出预测;并针对目前的油价上涨给出租车行业带来的收入问题做出分析;建立最优化问题对驾驶员和顾客的满意进行描述,最终给出合理的价格调整方案.     

牛鞭效应弱化与反牛鞭效应强化在完美信息下联合作用的博弈

在供应链运作过程中,同时存在牛鞭效应与反牛鞭效,若仅考虑到供应链的成本、需求偏差等问题,这种存在会因有限理性的驱使使得牛鞭效应弱化与反牛鞭效应强化.因此,认为供应链的上下游在周期内会表现出牛鞭效应弱化与反牛鞭效应强化的联合作用,联合作用使得单个企业达到低平均库存成本,也意味着供应链的整体库存最低且整体市场需求偏差最低,间接地、自动地从整体上消除牛鞭效应或反牛鞭效应,使得整条供应链不管是短期的还是长期来看是最佳的,若是长期,还会给供应链企业带来显著的战略优势.     

共享平台下供应链闲置资源动态优化配置策略

随着共享经济的发展,其领域已从消费环节延伸到供应链层面。供应链上闲置资源如何重新配置,以实现共享,提高资源利用率,是共享供应链企业面临的新问题。本文考虑基于共享平台的供应链闲置资源匹配过程的动态性,利用微分博弈和动态规划原理分别建立集中式决策下、无成本分担和有成本分担契约的分散式决策下共享供应链闲置资源的优化配置模型,并构建对应的哈密顿-雅克比-贝尔曼(HJB)方程,求解和分析三种情形下资源供应方、共享平台和需求方关于供应链共享闲置资源的最优配置策略。结果表明,成本分担契约在一定条件下可提高供应链闲置资源参与方的积极性,并使供应链上各参与方利润增加,实现共享供应链的Pareto改进。