林业汽车运输企业运输量的预测

本文应用季节指地和指数平滑法,以微机为工具,对林业汽车运输企业的木材运输量进行预测,探索一种简便适用的木材运输量预测方法,为企业科学地制定运输计划提供依据。     

指数平滑法在公路软土地基沉降预测中的应用

运用指数平滑法分析计算公路软土地基沉降量,并对下一时间段的沉降量进行预测.结合哈尔滨绕城高速公路西段软基沉降观测数据,证明了指数平滑法预测软基沉降量的实用性.     

森林公园客流量预测方法探讨

本文以张家界国家森林公园为例,详细列举了森林公园客流量预测方法中的简单平均数、加权平均数、算术移动平均数、加权移动平均数、指数平滑预测法等多种时间序列预测法的计算公式,过程和方法,并介绍了因果关系预测法中的线性回归和非线性回归预测法,在此基础上,对时间序列数据的类型和预测误差进行了比较分析,并选择出最适宜张家界国家森林公园未来时期的客流量预测法是指数平滑预测法。     

森林公园客流量预测方法探讨

本文以张家界国家森林公园为例，详细列举了森林公园流量预测方法中的简单平均数、加权平均数、算术移动平均数、加权移动平均数、指数平滑预测法等我各时间旬预测法的计算公式过程和方法，并介绍了因果关系预测法中的线性回归和非线性回归预测法。在此基础上，对时间序列数据的类型和预测误差进行了比较分析，并选择出最适宜张家界国家森林公园未来时期的客流量预测法是指数平滑预测法。     

配电网中电力负荷预测方法探讨

电网企业不断的发展,对于电力负荷预测的要求也逐渐增高。在配电网络规划中负荷预测作为一个非常重要的工作,预测结果的准确性和科学性影响电网的发展。通过介绍配电网络规划的负荷预测方法,主要有趋势预测法和二次平滑曲线法,并预测2015年、2020年某地区的负荷预测情况,以指导未来符合预测工作开展。     

一种简易预测模型的应用

预测是各个部门制订工作计划的一项基本工作 ,是指对未来活动的科学推测。预测的正确与否取决于对预测模型的分析。而预测的方法有“最小二乘法”、“卡尔曼滤波法”、“最小方差预测法”、“指数平滑法”等等 ,但是以上方法的特点是模型复杂 ,计算工作量大。据此介绍了两种比较简单的预测模型即“灰色预测模型”及“递推及残差识别预测模型” ,其结果是一致的     

基于混沌方法的预测技术及其应用

针对现代经济社会对市场的依赖越来越强烈,然而影响市场交易的因素越来越复杂,导致基于市场的决策越来越难,本文提出了用混沌时间序列加权一阶局域法作预测,以成都市生活物价指数为实验,并将此预防方法与指数平滑法相比较。实验结果表明,这种预测技术整体效果都比指数平滑法好,是令人满意的预测技术。     

应用预测模型对大兴安岭火烧木水运最大能力的研究

运用预测理论和系统分析是软科学研究的主要方法,预测经济和技术的发展趋势可以达到很高的精度,从而为决策提供科学依据。一、应用预测模型研究最大运输能力 (一)应用三次指数平滑法探讨最大运输能力。指数平滑法适于经济预测,进行时间序列分析。根据历年木材水运完成的数例,呈现非线性指数关系,见表1。故采用勃朗三次指数平滑预测模型探讨最大运输能力。三次指数平滑公式为: x_t~((1))=ayt+(1-a)x_(t-1)~((1));x_t~((2))=ax_t~((1))+(1-a)x_(t-1)~((2));x_t~((3))=ax_t~((2))+(1-a)x_(t-1)~((3))     

浅谈发展唐山市社会化、专业化物流

由于经济全球化、区域经济一体化进程的不断深化,现代物流理念已深入到工商企业、运输企业.如何积极推进货运市场建设和引导交通运输业向现代化物流业的转化,成为目前物流发展的迫切要求.     

公共物流网络平台与中小货运企业机遇

中国加入WTO ,中小货运企业如何应对迎接机遇与挑战 ,本文认为应利用现代物流与电子技术信息网络及早转型现代物流 ,加快信息技术应用 ,形成公共货运物流网络 ,以实现低成本、低投入 ,高效率 ,加快物流产业的发展     

铁路物流中心绩效的模糊综合评判

从铁路物流中心自身的营运状况和顾客的满意程度两个角度,选取货运周转率、货运设备利用率、专业化营运能力和客户满意度等4个一级指标,车辆周转率、货物换算周转量、货场利用率、搬运设备利用率、货运车辆满载率、装卸设备利用率、存货周转率、物流服务深度、专列货物换算周转量、信息技术使用率、顾客投诉率和顾客忠诚度等12个二级指标构建出铁路物流中心绩效评价指标体系。将模糊综合评判方法应用于铁路物流中心的绩效评价,并用具体案例证明该指标体系及模糊综合评判方法应用于铁路物流中心绩效评价的科学性和准确性。     

物流园区物流量灰色马尔可夫预测模型

物流量是物流园区规划、建设和管理的一项重要统计数据。结合灰色理论和马尔可夫链的特点,建立灰色马尔可夫预测模型,对某物流园区的物流量进行预测。首先,根据历史统计数据建立灰色预测模型,并对模型进行精度检验。再根据灰色模型预测误差将系统划分为3个状态,确定马尔可夫状态转移矩阵,建立灰色马尔可夫预测模型,并预测物流园区的物流量。将预测结果与灰色模型对比,结果表明,建立的灰色马尔可夫预测模型可用于物流园区物流量预测,且其预测精度较高。     

新时代物流专业学生实践能力培养

培养具有实践能力的物流人才是高校物流人才培养的重要任务之一。针对高校物流人才实践能力培养中遇到的主要问题,提出多层次多方面的物流实践能力培养模式,从校内和校外两个方面阐述物流实践能力培养的主要举措,系统地阐述在校企合作实训过程中应拓展跨区域物流企业实训、强化多类型物流企业实训和深化生产企业物流实训,从而切实提高高校毕业生的物流实践能力。     

绥芬河公路口岸货运量预测方法研究

针对公路口岸货运量预测的问题,基于常用预测方法：线性回归预测、时间序列预测和灰色系统预测及组合预测方法的研究,提出BP神经网络组合预测模型。结合绥芬河公路口岸货运量运输情况,对组合预测模型进行了验证。实验结果表明,该方法对公路货运量的预测很有效。     

基于AHP的汽车制造企业逆向物流合作伙伴选择

结合汽车制造企业的特点,构建其逆向物流合作伙伴的评价指标体系,指出应从成本、环境绩效、服务能力和企业基本素质等4个方面来进行评价。利用层次分析法得出评价结果,通过实例研究说明该方法在汽车制造企业逆向物流合作伙伴选择中的可行性。     

现代物流成本管理的应用研究

围绕现代物流成本中显性成本与隐性成本的构成内容及物流管理目标，借助现代化的信息管理系统构建物流成本控制系统，并利用作业成本法对现代物流成本进行管理，借此控制物流成本，提高企业的竞争能力，对现代物流成本管理的研究起到推动作用。     

基于物联网的智慧林业物流系统研究进展

物联网技术是继计算机、互联网与移动电话之后引领世界信息产业前进的另一个快速发展的产业,基于物联网的智慧林业物流系统具有极其广阔的发展前景。本文介绍物联网技术的起源和内涵,分析智慧物流技术构成,提出基于物联网的智慧林业物流系统的概念,初步构建了基于物联网的智慧林业物流系统架构体系。综述了国内外研究现状,重点介绍国内在二维码运输执法监查、RFID车辆识别与抓拍、机器视觉木材运输量识别和GPS车辆行为监查等关键技术林业应用研究进展,提出智能可追溯系统、物流过程的可视化智能管理系统、智能化的企业物流配送中心和多种物联网技术集成应用于智慧林业物流系统等今后我国在本领域的研究方向。     

Predicting mature cork biomass with t years of growth from one measurement taken at any other age

Cork is a natural product that is extracted from the outer bark of the cork oak tree. According to Portuguese legislation, the interval between two consecutive cork extractions on the same tree must be equal or greater than 9 years. Although the majority of the cork oak stands are debarked at the end of this period, this rotation may not be the optimum in many cases. The existing models for cork weight prediction can only be used for trees debarked at a 9 years or, in one model, at a 10-years rotation period, since the data used for its development was limited to these growth periods. The development of a method that allows for the prediction of the mature cork biomass with t years of growth, based in one measurement taken at any other age, was the main objective of this work. The method is based on the knowledge that the density of the cork tissue is constant between the inner and outer cork rings, being significantly different from density of the cork back. It can be implemented using two different equations that were developed during this work: a model to estimate cork biomass with 9 years of age and a model to estimate the cork back weight proportion at 9 years of age. For the first model, four different alternative models were developed, considering different levels of information collected during forest inventory. The model to estimate the cork back weight proportion leads to the biomass of cork tissue. Cork biomass at t years is obtained by decreasing or increasing the biomass of cork tissue according to the difference in cork thickness between t and 9 years of growth. The proposed method was evaluated by comparing the observed and estimated values of cork biomass from an independent data set with corks with 9, 10 and 11 years of age. The results showed similar precision for corks with 9, 10 or 11 years of age. As expected the precision of the predictions increases when the model to estimate cork biomass with 9 years of age uses more information. The presented method should be an important tool for cork oak stand management, for the prediction of the evolution of carbon stocks in cork oak stands, and will allow analyzing the impact in cork biomass production of decreasing or extending the interval between two consecutive cork extractions.     

基于气象因子深度学习的森林火灾预测方法

森林火灾一旦发生将对生态系统造成严重的破坏,间接导致气候的变化和极端天气频发。对森林火灾的发生进行准确预测可提前采取有效的防控措施,具有重要意义。传统林火预测模型多为数学方法和浅层神经网络,当数据量增大时易出现建模困难以及预测精度降低等问题。深度学习模型在处理大量非线性数据上具有一定的优势,其模型具有多层网络结构,通过训练大量数据可提取出具有代表性的特征值,发现数据间的隐含关系,达到准确分类预测的目的。因此,本研究提出一种基于深度学习的林火预测方法,将深度信念网络(deep belief network,DBN)作为预测模型,气象因子作为输入数据,以解决传统林火预测模型在面对大量数据时预测效果不佳的问题;同时结合过采样SMOTE(synthetic minority oversampling technique)算法,平衡林火数据集和增加训练数据量,提升了森林火灾的预测准确度。结果表明,在面对更大的数据量时,该模型预测精度明显优于其他传统林火预测模型,证明了将深度学习应用在林火预测的优越性。该研究可为深度学习在林业领域的应用提供参考。