基于小波神经网络的海上突发事件应急资源动态需求预测

doi:10.12005/orms.2015.0139

运筹与管理 ›› 2015, Vol. 24 ›› Issue (4): 198-205.DOI: 10.12005/orms.2015.0139

基于小波神经网络的海上突发事件应急资源动态需求预测

张文芬, 杨家其

武汉理工大学交通学院,湖北武汉 430063

收稿日期:2014-05-21 出版日期:2015-08-12
作者简介:张文芬(1987-),女,湖北武汉人,博士研究生,研究方向:应急管理;杨家其(1964-),男,湖北鄂州人,教授,博士生导师,研究方向:运输安全、应急物流。
基金资助:
国家自然基金资助项目(51279153);三峡库区水上突发事件应急资源配置鲁棒优化研究;国家交通部科技项目(2012-329-811-130):海上突发事件应急资源配置优化模型与仿真研究

Dynamic Demand Forecast of Maritime Emergency Response Resources Based on Wavelet Neural Network

ZHANG Wen-fen, YANG Jia-qi

Transportation School, Wuhan University of Technology, Wuhan 430063, China

Received:2014-05-21 Online:2015-08-12

摘要/Abstract

摘要： 近年来海洋综合开发势头迅猛,海上船舶运输业的发展迅速,然而在创造可观的经济效益和社会效益的同时,海上险情事故频发,应急资源需求复杂多变。本文尝试将小波理论应用于海上应急管理领域,运用小波神经网络模型预测未来周期内的海域险情事故数。在海域险情事故预测的基础上,结合应急资源种类、海域的风险程度等影响因素,引入平均风险月度系数,构建了海上突发事件应急资源动态需求概念模型,间接预测应急资源需求,并提出部分可替代应急资源需求的预测思路。并以山东海事辖区为例,验证了该方法的有效性和可行性。

关键词: 交通运输规划与管理, 动态需求, 小波神经网络, 应急资源, 预测

Abstract: For the past few, ocean exploitation and maritime industry have developed rapidly, creating considerable economic and social benefits. Maritime accidents are frequent, and emergency resource demand is complex. This paper attempts to apply wavelet theory into maritime emergency management, predicting the number of maritime accidents in the future in the use of wavelet neural network (WNN) model. Based on the prediction of marine accidents, combined with factors ,such as the type of emergency resources ,the degree of waters risk and monthly average risk factor, the dynamic demand forecast model of emergency resource is built predicting the requirements indirectly. At last, the paper takes the Shandong maritime jurisdiction as example to verify the effectiveness and feasibility of the method.

Key words: WNN, emergency resources, dynamic demand, forecast

中图分类号:

F252.21

张文芬, 杨家其. 基于小波神经网络的海上突发事件应急资源动态需求预测[J]. 运筹与管理, 2015, 24(4): 198-205.

ZHANG Wen-fen, YANG Jia-qi. Dynamic Demand Forecast of Maritime Emergency Response Resources Based on Wavelet Neural Network[J]. Operations Research and Management Science, 2015, 24(4): 198-205.

参考文献

[1] 张永领.突发事件应急资源的需求结构研究[J].灾害学,2010,25(4):127-132.
[2] Sheu J B. Dynamic relief-demand management for emergency logistics operations under large-scale disasters[J]. Transportation Research Part E, 2010, (46): 1-17.
[3] 王婧,王海军.应急救援中应急物资需求紧迫性分级研究[J].计算机工程与应用,2013,49(5):4-7.
[4] 乔洪波.应急物资需求分类及需求量研究[D].北京:北京交通大学硕士学位论文,2009.19-35.
[5] 程序芳.不确定条件下应急资源供给和配置研究[D].上海:上海交通大学硕士学位论文,2010.25-33.
[6] P.Fiorucci F, Gaetani, Minciardi R. Real time optimal resource allocation in natural hazard management[C].IEMSS 2004.
[7] F.Fiedrich Gehbauer F, Rickers U. Optimized resource allocation for emergency response after earthquake disasters[J]. Safety Science, 2000, 35: 41-57.
[8] 郭晓光,张晓东.基于随机需求的应急物资库存量模型研究[J].北京交通大学学报(社会科学版),2012.11(3):68-73.
[9] 秦军昌,王刊良.一个跨期应急物资库存模型及其解析仿真求解算法[J].运筹与管理,2008,17(4):45 -51.
[10] 孙浩,达庆利.随机环境下考虑需求替代的闭环供应链决策模型[J].计算机集成制造系统,2011,17(10):2238-2247.
[11] 李娟,黄培清,顾锋.两期不确定性需求下的供应链供需博弈[J].管理工程学报,2009, 23(1):99-103.
[12] 慕银平.需求替代的两产品动态批量最优预测时阈研究[J].管理科学学报,2011,14(3):10-23.
[13] 钱枫林,崔健.BP神经网络模型在应急需求预测中的应用——以地震伤亡人数预测为例[J].中国安全科学学报,2013,23(4):20-25.
[14] 丁浩,石昊栋.基于案例推理的我国石油企业海外突发事件应急物资需求预测[J].中国安全生产科学技术,2013,9(9):177-182.
[15] Bingzhen Sun, Weimin Ma, Haiyan Zhao. A fuzzy rough set approach to emergency material demand prediction over two universes[J]. Applied Mathematical Modelling, 2013, 37(10): 7062-7070.
[16] 黄钢.非常规突发事件应急血液保障特性和需求预测模型的研究[D].成都:西南交通大学硕士学位论文,2012.24-31.
[17] Moshe Ben-Akiva1, Jon Bottom, Song Gao, Haris NKoutsopoulos, Yang Wen. Towards Disaggregate Dynamic Travel Forecasting Models[J]. Tsinghua Science Aan Technology, 2007,12(2): 115-130.
[18] Cain P M. Modelling and forecasting brand share: a dynamic demand system approach[J]. International Journal of Research in Marketing, 2005, (12): 203-220.
[19] Dimitrios Vlachos, Patroklos Georgiadis, Eleftherios Iakovou. A system dynamics model for dynamic capacity planning ofremanufacturing in closed-loop supply chains[J]. Computers & Operations Research, 2007, (34): 367-394.
[20] Zhang Q H, Benveniste A. Wavelet network[J]. IEEE Trans on Neural Network, 1992, 3(6): 889-898.
[21] Baskshi B R. Step phanopoulous wavelet-net: a multi-resolution hierarchical neural network with localization learning[J]. American Institute Chemical Engineering Journal, 1993, 39(1): 57-81.
[22] 朱顺应,王红,向红艳.交通流参数及交通事件动态预测方法[M].南京:东南大学出版社,2008.81-87.
[23] 牛东晓,邢棉.时间序列的小波神经网络预测模型的研究[J].系统工程理论与实践,1999,(5):89-92.
[24] 张伟,王聪聪,马文丽,徐英.基于小波神经网络的水库来水量预测模型[J].三峡大学学报(自然科学版),2011,33(1):9-12.
[25] 王钰,鲍勤.基于小波神经网络的中国能源需求预测模型[J]. 系统科学与数学, 2009,29(11):1542-1551.
[26] 聂高众,高建国,苏桂武,王建明.地震应急救助需求的模型化处理[J].资源科学,2001,23(1):69-76.
[27] 方伟.突发事件应急资源需求模型分析[J].廊坊师范学院学报(自然科学版),2012,12( 4):24-26.
[28] 庞海云.突发性灾害事件下应急物资分配决策优化过程研究[D].浙江:浙江大学,博士学位论文,2012.69-72.

基于小波神经网络的海上突发事件应急资源动态需求预测

Dynamic Demand Forecast of Maritime Emergency Response Resources Based on Wavelet Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李洪兵, 张吉军. 天然气需求影响因素分析及未来需求预测[J]. 运筹与管理, 2021, 30(9): 132-138.
[2]	杨海东, 刘碧玉. 基于贝叶斯推理的突发水污染事件水质预测模型参数估计[J]. 运筹与管理, 2021, 30(8): 127-132.
[3]	徐菲, 任爽. 基于分解—集成的铁路货运需求预测研究[J]. 运筹与管理, 2021, 30(8): 133-138.
[4]	简冠群, 李秉祥. 业绩补偿承诺对定增并购双价格偏离的影响机理[J]. 运筹与管理, 2021, 30(8): 205-210.
[5]	唐中君, 周亚丽. 考虑消费动机和动态竞争的电影日需求预测模型[J]. 运筹与管理, 2021, 30(6): 172-180.
[6]	徐丽静, 周荣喜, 熊亚辉. 基于NS族模型的中国公司债信用利差预测[J]. 运筹与管理, 2021, 30(3): 183-189.
[7]	杨兴雨, 林虹, 何锦安, 张永. 基于排序预测的带交易费用在线投资组合策略[J]. 运筹与管理, 2021, 30(2): 168-175.
[8]	丁秋雷, 胡祥培, 位娟, 姜洋. 动态需求下蓄冷式多温共配多目标优化模型及算法[J]. 运筹与管理, 2021, 30(12): 13-19.
[9]	吴可可, 余燕, 董大勇. 投资者注意的风险补偿对股市回报的预测[J]. 运筹与管理, 2021, 30(12): 198-203.
[10]	李培志, 董清利. 基于网络搜索数据和机器学习的票房预测模型[J]. 运筹与管理, 2021, 30(11): 168-175.
[11]	陈振, 昝哲, 贾书伟. 基于SD-VF理论的城市限行政策效应研究[J]. 运筹与管理, 2021, 30(11): 190-196.
[12]	张建同, 孙嘉青. 基于组合预测法的共享单车租赁需求量预测[J]. 运筹与管理, 2021, 30(10): 146-152.
[13]	杨芸, 陈亮, 樊重俊, 杨进. 改进型LOBNN & AR-GARCH模型在股票预测中的应用[J]. 运筹与管理, 2021, 30(10): 153-158.
[14]	汪漂. 混合区间多尺度分解的区间时间序列组合预测[J]. 运筹与管理, 2021, 30(10): 159-164.
[15]	黄国兴, 曹先怀, 钱晓飞. 一种基于随机森林的备件预测模型研究[J]. 运筹与管理, 2021, 30(10): 165-168.