导读:本文包含了需求预测系统论文开题报告文献综述及选题提纲参考文献，主要关键词:交通运输规划,航空客运市场,系统动力学,需求预测
需求预测系统论文文献综述
沈静瑶,曾小舟,邬国祥[1]（2019）在《中国民航客运市场需求预测的系统动力学模型研究》一文中研究指出民航运输发展所需基础投资建设周期长、投资大、专有性强,固定投资数量应与民航发展阶段规模相匹配,科学的需求预测是合理规划民航基础建设和机队建设的基础。运用系统动力学原理,分析航空客运需求内外影响因素,建立中国民航客运市场需求预测的系统动力学模型,因素考虑更加全面,精度提升明显。运用所建模型,基于我国经济社会发展水平,预测我国航空客运需求量将于2024年左右达到10亿人次。民航客运市场需求系统动力学模型,对于派生的民航运输长期需求预测与分析,具有普遍适用性和长效性。(本文来源于《华东交通大学学报》期刊2019年04期）
马天男,王超,彭丽霖,郭小帆,付明[2]（2019）在《计及需求响应和深度结构多任务学习的电力系统短期负荷预测》一文中研究指出随着需求响应技术的快速发展,使得电力系统负荷数据呈现出规模庞大、结构复杂的非线性特征,基于深度机器学习和高效数据处理平台的负荷预测方法是当前的研究重点。为实现计及需求响应的电力系统短期负荷预测,建立了基于Spark平台和时钟频率驱动循环神经网络(CW-RNNs)的短期负荷预测方法。在Spark平台上设置不同工作组将全部数据分割为多个子数据模块,通过并行化计算提高数据处理效率,进而基于需求响应技术对负荷曲线做出调整,计算得到用户预期收益和用户舒适度影响指标值;采用离散小波变换将调整后的负荷曲线分解,得到一组高、低频信号;并采用偏最小二乘回归模型和CW-RNNs回归模型分别对低、高频信号进行训练学习;将训练好的PLS模型和CW-RNNs模型通过加权平均得到最终组合预测模型(Spark-CW-RNNs)。通过实例计算验证算法的准确性和有效性,结果表明:Spark-CW-RNNs模型比其他单一模型的预测误差更小、预测精度更高,模型具有有效性和可行性。(本文来源于《电测与仪表》期刊2019年16期）
陈智锴[3]（2019）在《基于系统动力学的工业园区电力需求分析与预测》一文中研究指出工业园区的电力需求分析预测,是电力供需管理工作的进一步深化。在当前电力改革形势下,工业园区成为了各项工作的重点。如增量配电网的改革、园区作为独立实体参与中长期合约市场、电力需求侧能效管理等,这些无疑对园区用能方式的选择、乃至产业结构的调整都会产生影响,从而使得传统的电力需求预测工作增加了难度。如何做好这种情况下的电力需求分析预测,面临新的挑战。首先,考虑到工业园区的电力需求与经济发展、能源结构、环境要求等因素息息相关,进而构成了电力需求分析预测的复杂体系,需要用系统分析理论来解决。而系统动力学是在系统论的基础上发展起来的新理论,它采用流图的方式,可以清楚地表达出系统内部之间的关系,该方法不仅适合于国家、省市这样的大系统,也适合于颗粒度更小的园区及以下小系统的电力需求分析预测。其次,在对工业园区类型、园区发展生命周期分析的基础上,发现A国家级工业园区为一运行了30多年的、以交通运输、电气、电子设备制造业为主导产业的成熟园区。运用定性、定量分析方法,对影响工业园区电力需求的影响因素进行了深入的分析,对初步筛选出来的影响变量,采用2010～2017年的关联数据序列运用灰色关联度进行计算,找出对各产业电力需求影响较大的因素,作为系统动力学模型的分析变量。针对工业园区在当前新形势下,电能替代政策对工业园区电力需求的影响存在的不确定性进行了探讨,得出了电能替代影响因子。最后,构建了含各产业预测在内的该工业园区中长期电力需求预测模型,经检验通过后,对未来5年的电力需求进行了预测。考虑到园区在新形势下,各类政策等对园区的电力需求的影响存在着不确定性,根据电能替代影响因子未来的情形,对影响强度的情况,进行了模拟预测,并对分析结果进行了分析、比较。(本文来源于《北京交通大学》期刊2019-05-01）
盛强,张堃,申亮[4]（2019）在《基于需求预测的服务业排班系统开发与设计》一文中研究指出为克服服务业排班受天气及节假日等因素的影响严重,企业增加临聘人员后排班难度大的问题,设计基于需求预测的排班系统。利用历史数据建立季节性需求预测模型,预留人机交互接口,实现非人为因素的合理修改;应用遗传算法对服务需求进行混合排班,确定各类型员工各时段排班人数;基于C#.NET技术应用Access实现软件开发建立排班系统。以某大型超市为例,经调试系统实现了基于预测的多工种混合排班,排班效果理想。基于需求预测的服务业排班系统能够有效地实现对人力资源需求的提前响应,较好地调节人力资源供需矛盾,对相关行业人力资源配置具有一定的借鉴意义。(本文来源于《现代电子技术》期刊2019年09期）
胡迪,高庆水,张楚,杨涛,高伟[5]（2019）在《基于系统动力学的风力机备件需求预测研究》一文中研究指出考虑到服役时间、备件寿命、维修策略及环境4种因素对备件需求发生的影响,利用系统动力学建立风力机备件需求预测模型。模型主要由服役时间仿真模块、备件可靠度和故障率仿真模块及维修方式仿真模块组成。仿真结果表明:该模型能体现出风力机备件需求的特点,同时在边界条件内预测需求发生时刻,为备件管理者提供备货信息。(本文来源于《太阳能学报》期刊2019年03期）
林晓东,王承武[6]（2019）在《乌鲁木齐市城市地下空间需求预测——基于灰色系统GM(1,1)模型》一文中研究指出以乌鲁木齐市城市规划文本、社会人口和2002—2016年建设用地等数据,采用人均需求模型和灰色系统模型对乌鲁木齐市中心城区的地下空间需求量进行组合预测,综合各个模型得到的结果,预测得到乌鲁木齐市地下空间需求量。结果表明,乌鲁木齐市的地下空间开发利用处于快速增长的阶段,未来一段时间仍将持续高速发展的态势,且用地需求主要集中在存车用地和商业用地。(本文来源于《湖北农业科学》期刊2019年06期）
何祖军,周光辉,杨奕飞[7]（2019）在《光伏发电电网供电系统需求平衡性预测研究》一文中研究指出对光伏发电输出功率进行准确的预测可以减小对光伏发电电网供电系统平衡性的冲击,保证供电系统的需求平衡和安全稳定运行,但传统方法进行光伏发电输出功率预测误差大、响应时间长,难以满足电网需求供给平衡的问题。提出一种动态领域粒子群优化BP神经网络的光伏功率预测方法,利用动态领域对粒子群进行动态划分,避免因粒子不能及时更新而使种群陷入局部极值或早熟;通过改进后的粒子群优化BP神经网络的权值和阈值。结合动态领域改进粒子群和BP神经网络两种算法的优势进行功率预测,综合考虑多种评估标准。仿真结果表明,上述模型能得到更高的预测精度。(本文来源于《计算机仿真》期刊2019年03期）
王晓鹿,郭志瑜,童鑫[8]（2019）在《IMT系统频谱需求预测方法》一文中研究指出为了推动我国IMT产业发展并为我国频率规划工作提供重要依据,系统地介绍了四种IMT系统的频谱需求预测方法,包括基于业务量预测的ITU-RM.1768方法、FCC预测方法和GSMA预测方法以及基于关键技术能力的预测方法。分析了不同预测方法的基本原理、预测流程和详细步骤。并给出了基于ITU-R M.1768方法和基于关键技术能力方法的中国未来IMT系统频谱需求预测结果。此外,本论文还对比了四种方法的差异,给出了各方法的适用性建议。(本文来源于《移动通信》期刊2019年02期）
唐丽敏,王艺澄,王盼[9]（2019）在《基于系统动力学的道路运输能源需求预测——以辽宁省为例》一文中研究指出深入分析了辽宁省道路运输与经济、人口及能源子系统间的相互作用关系,构建了辽宁省道路运输能源需求系统动力学模型,并参照社会经济发展及道路运输相关规划目标,进行了预测与情景模拟。研究表明:2020年辽宁省道路运输能源需求量约1800万吨标准煤;"十叁五"期间,辽宁省货运周转量年均增长2.38%,客运周转量年均增长4.2%;产业结构调整将改变能源需求量,第叁产业比重增加5%时,能源需求量能够减少1.1%;营运货车单位周转量能源消耗量降低14.3%时,能源需求量可降低2.2%。(本文来源于《重庆交通大学学报(自然科学版)》期刊2019年03期）
牟智佳,王卫斌,李雨婷,严大虎[10]（2018）在《MOOCs环境下个性化学习需求预测建模与仿真——系统动力学的视角》一文中研究指出MOOCs环境下,基于学习者前期学习表现进行个性化学习需求预测,能够进一步优化学习体验,提高学习者课程参与度。研究以学习者的个性化学习需求为研究内容,以系统动力学为指导方法,并交叉使用层次分析法和非线性回归分析确定变量间的数量关系,建立个性化学习需求预测模型。最后结合两门不同语种课程数据进行模拟仿真分析,对学习者各方面学习需求变化状况和引起学习需求变化的高杠杆因素进行探索与验证。研究结果表明:所构建的预测模型包括内容、资源、过程和评价四个需求子系统,涵盖3个状态变量、4个流率变量、23个辅助变量和20个常量,能够对学习者的个性化学习需求进行准确预测;内容难度需求和评价标准需求是个性化学习需求变化的主要体现,这两方面分别与学习者知识总量和学习投入总量呈正向显着相关;学习兴趣、需求满足程度以及课程目标是需求预测中需要关注的高杠杆因素;不同的课程中,学习者个性化学习需求变化的主要体现与需要关注的高杠杆因素相同,但高杠杆因素的影响程度会随课程不同而有所变化。(本文来源于《电化教育研究》期刊2018年11期）
需求预测系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着需求响应技术的快速发展,使得电力系统负荷数据呈现出规模庞大、结构复杂的非线性特征,基于深度机器学习和高效数据处理平台的负荷预测方法是当前的研究重点。为实现计及需求响应的电力系统短期负荷预测,建立了基于Spark平台和时钟频率驱动循环神经网络(CW-RNNs)的短期负荷预测方法。在Spark平台上设置不同工作组将全部数据分割为多个子数据模块,通过并行化计算提高数据处理效率,进而基于需求响应技术对负荷曲线做出调整,计算得到用户预期收益和用户舒适度影响指标值;采用离散小波变换将调整后的负荷曲线分解,得到一组高、低频信号;并采用偏最小二乘回归模型和CW-RNNs回归模型分别对低、高频信号进行训练学习;将训练好的PLS模型和CW-RNNs模型通过加权平均得到最终组合预测模型(Spark-CW-RNNs)。通过实例计算验证算法的准确性和有效性,结果表明:Spark-CW-RNNs模型比其他单一模型的预测误差更小、预测精度更高,模型具有有效性和可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
需求预测系统论文参考文献
[1].沈静瑶,曾小舟,邬国祥.中国民航客运市场需求预测的系统动力学模型研究[J].华东交通大学学报.2019
[2].马天男,王超,彭丽霖,郭小帆,付明.计及需求响应和深度结构多任务学习的电力系统短期负荷预测[J].电测与仪表.2019
[3].陈智锴.基于系统动力学的工业园区电力需求分析与预测[D].北京交通大学.2019
[4].盛强,张堃,申亮.基于需求预测的服务业排班系统开发与设计[J].现代电子技术.2019
[5].胡迪,高庆水,张楚,杨涛,高伟.基于系统动力学的风力机备件需求预测研究[J].太阳能学报.2019
[6].林晓东,王承武.乌鲁木齐市城市地下空间需求预测——基于灰色系统GM(1,1)模型[J].湖北农业科学.2019
[7].何祖军,周光辉,杨奕飞.光伏发电电网供电系统需求平衡性预测研究[J].计算机仿真.2019
[8].王晓鹿,郭志瑜,童鑫.IMT系统频谱需求预测方法[J].移动通信.2019
[9].唐丽敏,王艺澄,王盼.基于系统动力学的道路运输能源需求预测——以辽宁省为例[J].重庆交通大学学报(自然科学版).2019
[10].牟智佳,王卫斌,李雨婷,严大虎.MOOCs环境下个性化学习需求预测建模与仿真——系统动力学的视角[J].电化教育研究.2018