基于ARIMA模型对海南省社会消费品零售总额的预测

对海南省社会消费品零售总额进行预测,对于了解海南省社会消费品零售总额的发展态势,为有关部门作出决策提供科学的依据,具有重大的现实经济意义.选取1999年到2014年的海南省社会消费品零售总额的数据来建立ARIMA(1,3,2)模型,2012年到2014年的实际值与预测值的相对误差5%以内,拟合效果良好,说明采用ARIMA模型预测海南省社会消费品零售总额是可行的,预测数据可靠.最后对海南省2015-2018年的社会消费品零售总额进行预测.     

基于马尔可夫模型的我国农业产值结构预测

利用马尔可夫模型对我国农业产值结构的预测问题进行了研究,并给出了其状态转移概率矩阵的估算模型与优化方法,应用此模型依据1999-2009年我国农业产值结构的统计数据,预测了农、林、牧、渔各业的产值结构.预测结果表明,该方法对农业产值结构的平均拟合误差为3.08%.用2010-2011年农业产值结构数据进行检验预测,结果表明模型可以有效地提高农业产值结构的预测精度.最后,用模型对2012-2015年我国农业产值结构进行了预测.     

基于GM-Markov模型的京津冀区域物流需求量的预测

利用2009-2014年京津冀三地的货运量,通过灰色预测模型中的GM(1,1)预测模型分别对京津冀三地2015-2017年的货运量进行预测,经过后验差比值和小误差概率检验,得出采用该模型的预测精度为优.同时采用Markov模型对灰色模型进行修正,构建出了新的GM-Markov模型,采用新模型分别对京津冀三地2015-2017年的货运量进行预测,将前后模型预测的结果与实际值进行比较,得出采用GM-Markov模型比单纯的运用GM(1,1)预测模型预测的结果更为精确.最后,利用GM-Markov模型分别对京津冀三地2018-2022年的物流需求量进行了预测,得出了京津冀三地货运量未来的变化趋势.     

基于协整理论和灰色系统的我国粗钢需求预测

运用协整理论和灰色系统对中国1979-2008年的粗钢消费量和GDP进行分析,并对中国2009-2020年粗钢需求量进行了预测和修正,得到中国2015年粗钢需求量在6.4-7.3亿吨之间,2020年在8.2-8.8亿吨之间的结论.     

基于SARIMA模型在我国铁路客运量中的预测

铁路客运量预测是铁路旅客运输生产的重要基础工作,我国铁路运输业客运量呈现出明显的季节性波动.准确预测月度铁路运量能够为我国铁路运输发展规划提供科学依据,具有非常重要的现实意义.选择了2007年1月至2014年11月的全国铁路客运量数据来建立季节时间序列SARIMA模型.经过逐期差分和季节差分后最终建立了ARIMA(1,1,2)×(1,1,1)_6模型,并选取了2008年3月至2014年11月我国铁路客运量数据的真实值和模型预测值进行了对比,平均绝对百分比误差MAPE是10.886%,模型的预测能力"优良",最后对201.5年1月-2015年3月全国铁路客运量进行了预测.     

中国人口预测的具有外生变量的半参数回归模型

本文提出建立中国人口预测的具有外生变量的半参数回归模型,基于线性回归理论选取的滞后显著性变量为线性部分,外生变量做为非参数部分,利用多项式样条估计得到了半参数回归方程,对中国1972-2000年人口进行拟合比较,并且对中国2001-2009年人口分三种情况进行了预测对比,结果表明基于中国1952-2005年人口建立的半参数模型拟合和预测的精度均较高,最后对中国2010-2015年的人口进行了预测。     

我国用水总量预测研究

自2003年以来,我国用水总量呈逐年增长态势,提前预测用水总量对规划供水等有重要的现实意义.文章首先运用相关分析等方法对我国用水总量的影响因素进行分析,然后利用用水总量及其影响因素的相关数据建立了我国用水总量的多因素预测模型,统计检验显示,模型的拟合精度较高.最后应用建立的预测模型结合专家经验法,在一定的情景假定下,对2014-2015年我国的用水总量进行了预测.预计我国2014-2015年的用水总量约分别为6220.4亿m~3和6214.2亿m~3.     

基于ARIMA模型的我国大宗农产品价格指数预测

以2006年6月至2015年12月我国大宗农产品价格指数月度时间序列作为研究对象.构建ARIMA(1,1,1)模型对我国大宗农产品价格指数进行了拟合和预测,并对模型拟合效果和预测准确度进行了检验,效果均良好.预测结果表明,从长期变化趋势看,我国大宗农产品价格指数上涨是大势所趋.从短期变化趋势看,大宗农产品面对较大的价格下行压力.     

基于新陈代谢灰色预测模型的西安市电力需求量的预测

选取西安市2010-2017年的总用电量数据,建立了灰色GM(1,1)模型,对西安市全年电力需求量进行预测.经检验,模型具有较高的精度.进一步通过建立新陈代谢GM(1,1)模型对西安市未来5年的全年电力需求量进行预测,为西安市的电力发展提供科学决策依据.     

精神疾病患者经济负担分析及预测

对某精神疾病的专科医院患者数量及费用进行分析,采用径向基函数(RBF)神经网络模型对精神疾病患者的看病费用进行拟合及预测,并比较该预测模型与BP神经网络的预测效果.将贵州省某精神类疾病的专科医院2015年1月-2016年12月医院HIS系统中的病人处方数据作为训练集,建立BP模型、RBF神经网络模型.分别对2017年1月1日-2017年1月16日病人用以精神类疾病看病费用情况进行预测.RBF神经网络模型均能够较好地拟合和预测精神类疾病患者看病费用,可以为医院管理者了解本院精神病患者看病费用的变化趋势提供依据,为制定精神病患者疾病负担的相关政策提供数据支撑.     

稀土安全评价:集成算法改进与实证

稀土作为我国战略性矿产资源,其安全问题一直是政府和学术界关注与研究的重要课题.建立了稀土安全的概念框架与评价体系,针对传统AHP中九标度法的不足,基于熵值法、加速遗传算法及扩充标度值的层次分析法,提出了一种改进的层次分析法(EV-AGA-EAHP),通过集成模糊C-均值聚类算法和模糊综合评价法,研究提出了一种模糊综合集成评价方法(EV-AGA-EAHP-FCM-FIJ),给出了集成算法及步骤,对2001-2013年我国稀土安全水平进行了评价,提出了保障我国稀土安全的建议.     

组合模型在我国能源需求预测中的应用

文章首先比较了不同的能源需求预测方法的特点,并选择确定性加随机性时间序列组合模型对我国能源需求进行预测,然后详细介绍了建模的过程,并对模型预测精度和参数稳定性作了评价,结果表明本文采用的组合模型是一种比较有效的预测方法,最后用该模型对我国2004~2020能源需求进行了预测。     

基于蒙特卡罗方法的中国中长期煤炭需求预测

为避免传统预测方法的参数取值主观性问题,采用参数随机产生的蒙特卡罗方法预测中国中长期煤炭需求。首先分析了经济增长、能源结构和产业结构三个主要煤炭需求影响因素,并基于1980~2015年间各影响因素及煤炭消费的历史数据和最小二乘法的多元线性回归拟合煤炭需求方程。在此基础上,构建各影响因素的概率分布,采用蒙特卡罗方法模拟1981~2015年的煤炭需求,发现仿真结果可以较好拟合现实,可作为仿真预测的有效工具。结合经济新常态和能源结构调整的现状,控制参数取值范围进行蒙特卡罗仿真预测,结果显示,2016~2025年的煤炭需求呈先上升后下降趋势,并于2020年达到需求的峰值40.25亿吨,这些结果对于煤炭产业的科学决策有重要的作用。     

Measure of bullwhip effect in supply chains with autoregressive demand process

In supply chain management, one of the most critical problems which require a lot of effort to deal with is how to quantify and alleviate the impact of bullwhip effect – the phenomenon in which information on demand is distorted while moving upstream. Although it is well established that demand forecast, lead time, order batching, shortage gaming and price fluctuation are the main sources that lead to the bullwhip effect, the problem of quantifying bullwhip effect still remain unsolved in many situations due to the complex nature of the problem. In this research, a measure of bullwhip effect will be developed for a simple two-stage supply chain that includes only one retailer and one supplier in the environment where the retailer employs base stock policy for their inventory and demand forecast is performed through the first-order autoregressive model, AR(1). The effect of autoregressive coefficient and lead time on this measure will then be investigated.     

Determination of an Optimal Forecast Model for Ambulance Demand Using Goal Programming

A multistep approach to determining the optimal parameters of an exponential smoothing model was used to forecast emergency medical service (E.M.S.) demand for four counties of South Carolina. Daily emergency and routine (non-emergency) demand data were obtained and forecast statistics generated for each county sampled, using Winters' exponential smoothing model. A goal programme was formulated to combine forecast results for emergency calls with routine call forecasts. The goal programme gave a higher priority to accurate forecasting of emergency demand. The forecast model generated implicitly weights demand by severity and provides a reliable estimate of demand overall. The optimal parameter values for the smoothing model were obtained by minimizing the objective function value of the goal programming problem. The parameter values obtained were used to forecast demand for E.M.S. in the selected counties. The results of the model were compared to those using a multiple linear regression model and a single-objective-based exponential smoothing model for 2 months of data. When compared with two single-objective forecast models, the multiple-objective approach yielded more accurate forecasts and, therefore, was more cost-effective for the planner. The model presents and demonstrates a theoretical approach to improving the accuracy of ambulance demand forecasts. The possible impact of this approach on planning efficiency is discussed.     

基于技术创新思考的我国稀土生产企业博弈分析

我国的稀土生产在国际上具有一定的资源优势,但是生产领域的混乱状况导致目前我国稀土产业在国际竞争领域的落后状况,造成这一现象的主要原因在于稀土技术水平不高,如何加强稀土生产领域的管控,提高技术水平,进而达到正常的稀土生产利润水平,通过博弈分析研究稀土生产领域的竞争情况,为政府制定对稀土的管理政策提供支持.     

Dynamic pricing with real-time demand learning

In many service industries, the firm adjusts the product price dynamically by taking into account the current product inventory and the future demand distribution. Because the firm can easily monitor the product inventory, the success of dynamic pricing relies on an accurate demand forecast. In this paper, we consider a situation where the firm does not have an accurate demand forecast, but can only roughly estimate the customer arrival rate before the sale begins. As the sale moves forward, the firm uses real-time sales data to fine-tune this arrival rate estimation. We show how the firm can first use this modified arrival rate estimation to forecast the future demand distribution with better precision, and then use the new information to dynamically adjust the product price in order to maximize the expected total revenue. Numerical study shows that this strategy not only is nearly optimal, but also is robust when the true customer arrival rate is much different from the original forecast. Finally, we extend the results to four situations commonly encountered in practice: unobservable lost customers, time dependent arrival rate, batch demand, and discrete set of allowable prices.     

博弈方的行动集合变化的博弈运动研究——以稀土出口贸易为例

文章以稀土出口贸易为背景,分析了博弈方的行动集合随时间变化的博弈运动。首先定义了行动集合的三种变化情形:集合变大、集合变小和集合变化不确定。然后针对单个博弈方行动集合的三种变化情形,分别讨论了均衡解的运动轨迹,分析表明:在行动集合变大和变小两种情形下,均衡解的轨迹呈现互逆的运动特性;在行动集合变化不确定的情形下,保守和冒险策略等价,固定策略严格优于保守、冒险策略。在此基础上,将模型推广到博弈双方的行动集合均发生变化的博弈运动模型,分析表明上述结论仍然成立。最后,以中国同马来西亚在2012年6月到2013年3月间的稀土出口贸易为例,验证了本文模型和求解方法的合理性与可行性。     

基于Lasso和支持向量机的组合预测及其应用

针对Lasso方法与支持向量机两者的联系与各自的优势,给出了基于Lasso与支持向量机的串联型、并联型和嵌入型三种组合预测,并将它们运用到我国粮食价格预测中.实证结果表明,与单一预测方法的预测结果相比,基于Lasso方法与支持向量机的串联型组合预测和嵌入型组合预测具有更高的预测精度.