基于SARIMA-SVM组合模型的战时军用物资需求预测

针对战时非平稳、非线性环境下预测难题,利用季节性差分自回归移动平均模型(SARIMA)和支持向量机模型(SVM)分别对线性和非线性时间序列的较强拟合能力,采用SARIMA对军用物资需求量时间序列数据进行线性建模,并用SVM对SARIMA模型残差进行非线性建模,将SARIMA模型与SVM模型组合对战时需求进行预测,结果表明,SARIMA-SVM组合模型预测精度明显优于单一模型,发挥了两种模型各自的优势,与滑动平均模型(MA)相比更具优势.该组合模型是切实可行的,可为战时军用物资供应提供决策依据.     

基于熵权和灰色关联分析的应急物资分级研究

应急物资是应对突发性事件的物质基础,应急物资分级是优化库存管理、提高应急系统运作效率的关键问题之一。通过对应急物资分级影响因素的分析,构建了应急物资分级评价指标体系,设计出基于熵权的灰色关联度分析模型,得出应急物资重要性程度综合排序和分级结果。实例分析表明,本方法的分级效果良好,并为优化应急物资储备决策提供了数学基础。