货运公司申请量的预测及的收益估计模型

摘 要：
本文建立了货运公司经济效益的整数优化模型，解决了货运公司的日收益和后一小段时间申请量预测极其预计收益问题。在预测下一步的申请量数据时采用了两种不同的方法（时间序列的加权平均值平移模型和神经网络预测模型），对下周七天的申请量和收益情况做出了的预测。
模型I——整数规划模型，第一个题目，针对每一天的申请量，求解出了最佳批复方案即活鲜类：6460 kg 禽苗类：5000 kg 服装类：4000 kg 其他：0 kg，且得出货运公司的最大获利。
模型II——加权平均值时间序列平移预测模型，针对第二个题目，考虑到题目所给数据没有确定的规律性，针对相邻数据较大的跳跃性，我们对数据进行间隔分组后，建立了平均值平移预测模型，并用该模型根据已知的数据的前26项数据对第27至30项数据作出预测，并与原给的同期数据进行比较，作了相对误差分析，发现预测数据具有较高的可信度，我们用此模型合理的推测了下周七天的申请量的数据。
模型III——神经网络预测模型，以申请前的数据作为输入因子，以要预测的申请量数据作为输出因子，建立神经网络预测模型，对后面的数据进行仿真预测如：前30天中的前29天的数据作为测试集的输入矢量，第30天的数据作为测试集的输出矢量。将30天中的后29天的数据作为测试集的输入，第31天的数据作为仿真结果。
模型IV——效益预计整数规划模型，由于第三个题目跟第一个题目很相似，我们通过对模型I修改，建立了模型IV，并根据第二题模型II中得出的预测数据，利用该模型IV预计下周七天的收益。
最后我们还对所建模型进行了评估，提出了模型的改进思路，为提高货运公司的收益作了相关因素分析，对货运公司的决策优化有一定帮助。
关键字：整数规划模型 预测模型 时间序列 间隔分组 加权平均值平移预测 神经网络预测