新时期中国居民消费总量与结构预测研究

基于对消费总额及其结构的变动趋势和主要影响因素的分析,文章研究应用多元线性回归模型和自回归求积移动平均模型,考虑人口年龄结构变化、居民可支配收入等因素,预测了中国2018-2035年居民消费总量和2018-2020年中国居民对8类产品的消费量.预测结果表明:1)中国居民消费总量仍保持上升趋势,但消费增速逐步放缓,预计到2035年,中国居民消费总额达到1136011亿元,同比名义增长率呈现先下降后上升的趋势.2)中国居民消费结构不断优化,一方面食品烟酒占比不断下降,到2020年有望下降到27.6%;另一方面,交通通信、教育文化娱乐、医疗保健等服务性消费比重进一步提高,预计到2020年中国服务性消费占比约达到42.7%.基于对预测结果的分析,文章提出了提高居民可支配收入,扩展老年消费市场,扶持服务性消费产业等建议.     

基于组合预测的民航运输量分析——以珠三角地区为例

近年来珠三角地区民航运输量日益增长,广州白云机场运输量处于持续饱和状态,在《广东省推进基础设施供给侧结构性改革实施方案》中,提出了建设珠三角新干线机场、广州第二机场等16个机场改扩建项目,那么对珠三角地区的民航运输需求量的预测将为新建机场的规划提供基础.采用指数平滑模型、灰色预测、线性趋势外推法三种方法对2004-2017年珠三角地区民航运输量进行分析,建立组合预测模型,预测未来珠三角地区特征年民航客运量和货运量.     

基于信息熵的西部区域交通运输结构分析及其灰色预测

随着新型城镇化的建设,西部区域综合交通运输网络有了很大的改善,对其交通运输结构的发展程度进行研究已显得尤为重要.运用信息熵理论和灰色预测模型,对西部区域交通运输结构的演变趋势进行分析与预测,并以甘肃省为例进行实证分析.结果表明:由于近几年公路运输的快速发展,甘肃省运输结构的信息熵呈逐年下降趋势,各运输方式运量发展不均衡;对比GM(1,1)模型与灰色马尔科夫模型可得,后者更适用于西部区域交通运输结构的演变预测.研究结果可为西部区域交通运输结构的完善提供相应的参考.     

中国货运量与GDP及运输结构动态关系研究

中国货运量与GDP及运输结构的关系对于中国物流的可持续发展极为重要.选取1955-2011年中国货运量、GDP及公路货运量所占货运量比重的时间序列数据,运用VAR,模型研究中国货运量与GDP及运输结构的动态关系.结果表明:从长期来看,货运量、GDP及运输结构三者存在长期均衡关系;Granger因果关系表明:货运量和运输结构是影响GDP的原因;脉冲函数表明:运输结构对货运量的影响是负向的,而GDP对货运量的影响是正向的.     

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.     

基于动态无偏灰色马尔科夫模型的煤炭需求量预测

煤炭消费系统是一个复杂的非线性系统,具有随机性、非线性、动态性等特点,科学地预测煤炭消费量及其结构对于优化配置能源有重要意义.传统的单一预测方法预测精度较低.在对陕西省煤炭消费历史数据分析的基础上,构建了煤炭消费总量的GM(1,1)模型、灰色GM(1,1)预测模型和动态无偏的马尔科夫结构预测模型.拟合结果表明,动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度,其平均相对误差为2.10%,分别低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型的17.37%和6.37%,可用于煤炭需求的预测,在此基础上对陕西省2017-2025年煤炭消费进行了预测,为未来能源消费发展规划提供依据.     

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.     

基于深度学习的交通运输业能耗预测——以“一带一路”主要经济体为例

为合理规划一次能源使用,深入推进节能减排,需对交通运输能耗进行预测.使用灰色综合关联度模型筛选出客运、货运和经济发展水平三个方面共八个影响因素作为模型输入,提出了主要由LSTM层、Dropout层和Bi-LSTM层构成的深度学习模型,并使用天牛群优化算法精调模型超参数,在此基础上对2019至2025年中国、印度、东南亚和巴基斯坦四个"一带一路"沿线经济体交通运输能耗进行预测.研究结果表明:首先,BSO-LSTM模型较GA-BPNN、GA-SVR、GA-LSTM和PSO-LSTM模型具有最高的预测精度.其次,2019-2025年,中、印、东、巴交通运输业能耗总体上在波动中上升,年均增长率分别为2.92%、5.64%、3.05%和4.88%.再次,2024年中、印、东、巴交通运输业单位GDP能耗分别为29.41、37.41、46.67和83.12,除巴基斯坦外,较2018年均有所下降.最后,中国、东南亚2018-2024年交通运输业能源消费弹性系数较2012-2018年有所下降,而印度、巴基斯坦仍保持上升趋势.     

基于灰色马尔科夫模型的陕西省铁路客运量预测

随着我国高铁客运的快速发展,从铁路客运历史趋势中探寻规律、把握铁路客运发展趋势,旨在对中国铁路公司及相关企业的决策提供科学依据.基于2005-2016年陕西省铁路客运量数据,在灰色GM(1,1)模型预测的基础上,运用马尔科夫过程对预测值进行修正,并对2017-2022年陕西省铁路客运量进行预测.结果表明:经过马尔科夫过程修正的灰色预测模型平均绝对误差由原来的4.64%降低到2.94%,预测效果明显.经检验,灰色马尔科夫模型的精度等级为一级,说明了方法对陕西省铁路客运量预测的有效性.     

基于综合效益的城市地下物流网络设计与优化方法

针对城市地下物流系统(Underground Logistics System,ULS)的特征,对一系列ULS网络节点选址与优化问题进行了建模分析.1)从解决城市交通拥堵的角度出发,探讨了物流地上地下分配的三种方案,并建立了地下货运OD评价模型.2)综合权衡货运量与货源距离,基于改进的模糊C均值聚类确定ULS—级节点的选址和辐射范围.3)对每个一级区域构建了ULS二级节点选址优化模型,通过人工免疫算法搜索最少覆盖节点群及节点的最优归属.4)建立多目标ULS网络规划模型,结合Prim算法与Dijkstra算法实现货物地下运输路径的最优选择,并采用栅格覆盖的思路在节点服务范围内对ULS网络进行费用优化.5)提出ULS网络效能评估指标,设置中心节点以提高系统运输效率和抗风险能力.     

基于稀疏重建的航空货运量模型研究

压缩感知(Compressed Sensing CS)理论广泛应用于应用数学、图像重建、信道估计以及谱估计等不同领域.在理论方面,依据压缩感知基本理论建立差分稀疏凸优化模型,并推导差分稀疏重建限制子空间特征值的稳定性条件;在应用方面,研究此模型在我国航空货运量建模与预测中的应用,以1998-2007年我国航空货运量的统计数据为基础,利用凸优化理论建立我国航空货运量的差分稀疏模型.通过拟合误差指标的详细比较可知:相对于灰色理论模型、回归分析模型,航空货运量的差分稀疏模型具有更高拟合精度.实验证明,差分稀疏理论可以为航空货运量的短期预测以及航空货运业调控提供有效理论支持.     

基于X11-ARIMA模型的铁路货运周转量分析

铁路货运周转量分析对铁路规划建设以及运营决策有着重要的意义.根据近12年的铁路货运周转量月度数据,利用X11-ARIMA模型进行分析,结果表明:铁路货运周转量的发展基本上经历了线性快速增长、平稳后下降和再增长这样的长期趋势.从季节效应来看,2012年之前的季节效应比较一致,之后季节效应减弱.综合考虑长期趋势和季节效应的影响,用ARIMA(1,1,1)×(1,1,0)_(12)拟合该序列的发展,以2017年1月和6月的数据为考核样本,检验结果表明该模型对数据的预测效果较好.     

构建地下物流系统网络

构建地下物流系统,缓解大城市拥堵已经成为了一个热点问题.主要内容包括:根据货物流量OD矩阵,以等比例方式计算了放入地下的货运收发总量为6.32万吨;综合考虑物流园区到需求点的距离和收发货运量因素,基于遗传模拟退火的聚类算法确定了4个一级节点及其服务范围,转运率分别为43%,57%,40%,66%.在每个区域,以服务半径和货运量为约束条件,共确定了24个二级节点;提出直连点和子点的概念,穷举各节点的连结方式,应用可行域的概念,在不影响转运率的前提下,调整二级节点的位置来优化轨道位置,计算得最优成本为206万元/天;提出建立中心节点的两种运输货物的方式以及网络连通度和网络容量等评价指标,分析了轨道的抗干扰能力;根据合理假设提出了网络建设顺序的优先原则,依据30年后整个地下网络的负载,给出了轨道可能的建设顺序.     

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.     

基于网络舆情支持向量机的股票价格预测研究

提出一种基于网络舆情和股票技术指标数据的支持向量机回归模型(NPOSVM),提高了股票价格的预测精度.模型首先将抓取的微博、股吧等股评观点分为正面和负面两类,计算正面观点所占的比例作为网络舆情,然后对网络舆情和股票技术指标数据作主成分分析,最后对保留的主成分运用支持向量机回归建模预测.实证分析国药股份(SH600511),仿真结果表明网络舆情与股票价格之间的相关系数为0.76;基于股票技术指标数据的支持向量机回归模型(TI-SVM)预测平均相对误差为1.29%、趋势准确率为57.14%,而NPO-SVM预测平均相对误差为0.66%、趋势准确率为71.43%.于是证明,NPO-SVM模型显著地提高了预测精度,是一种有效的预测股票价格的模型.     

基于ARIMA-GM组合模型的邮电业务总量预测

对传统预测具有波动性及季节性双重趋势时间序列的模型—ARIMA乘积季节模型进行了改进,先用ARIMA乘积季节模型对邮电业务总量历史数据进行识别和拟合,然后用GM(1,1)模型对其带阀值的残差序列进行修正,最后结合二者得到ARIMA-GM这一组合预测模型.利用此模型对09年上半年中国邮电业务总量进行了预测,结果表明,组合预测方法比单项ARIMA乘积季节模型预测具有更高的精度.     

基于灰色模型的信阳茶叶产量、价值、收益预测研究

以信阳毛尖2010-2018年茶叶产量,品牌价值和品牌收益为原始数据.通过构建GM (1,1)模型预测信阳毛尖2019-2023年茶叶产量,品牌价值与品牌收益,并用平均模拟误差检验其精度.通过预测发现未来5年三者均呈现增长趋势,但品牌收益增长结构欠合理,品牌价值转化率呈现持续递减趋势.针对此现状,提出文化参与品牌产品消费,科技附加产品生产,茶域资源附属品牌影响力进行产值输出等策略.从投入,产出,消费三方面提出改进,希望能为信阳毛尖品牌价值转化率提升,品牌产品生产优化,茶农增收以及改善茶产业结构提供决策依据.     

广东省能源消费的ARIMA模型预测分析

对1985-2008年广东省能源消费总量数据序列进行分析,建立了ARIMA(2,2,2)模型,检验结果表明,该模型对原始数据序列有较好的拟合效果,模型的预测效果良好,可用于短期外推预测.     

非齐次GM(1,1)模型的背景值优化及其应用

针对非齐次GM(1,1)模型中传统方法构造的背景值与真实背景值之间存在误差的情况,提出了一种背景值优化方法.首先,分析了背景值误差的来源及其对模型预测精度的影响;然后,通过积分变换重构了背景值,并利用非齐次指数序列及其一次累加、一次累减生成序列的相互关系,得到了重构背景值中参数的表达形式;最后,根据拟合误差最小原理解得了模型参数的估计值,进而得到了预测公式.经过实例应用,优化模型预测结果的平均相对误差为0.54%,表明优化背景值能够明显提高模型的预测精度.     

中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术

在对我国物流业碳排放特征进行分析的基础上,运用LMDI分解技术,建立中国物流业人均碳排放的因素分解模型,定量分析了1991-2010年能源结构、能源效率、运输方式、物流发展、经济增长以及人口等6种因素对物流业人均碳排放的影响.分析表明:经济增长是拉动物流业碳排放增长最主要的动力,在研究期间呈指数增长的趋势.运输方式对碳排放增长也表现出明显的促进作用,能源结构和能源效率虽然表现出拉动作用,但效果微弱.而物流发展因素则对物流业人均碳排放量表现出明显的抑制作用.因此,应大力推进物流业科技水平的提高,进一步发挥物流发展因素对碳排放的抑制作用,同时,优化物流运输体系,形成以铁路为主体,水运和管道为支撑,公路和航空运输为辅的低碳化的综合运输体系.