秦娟
- 作品数：12 被引量：37H指数：4
- 供职机构：西南交通大学经济管理学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金四川省哲学社会科学规划项目更多>>
- 相关领域：经济管理交通运输工程自然科学总论自动化与计算机技术更多>>
- 非常规突发事件下基于群体语言信息的物流服务商选择
- 2013年
- 运用三角形模糊数对评价指标进行描述,构建基于群体语言信息的物流服务商的选择方法,两次使用广义的导出有序加权平均算子(GIOWA),对物流服务提供商进行特征属性的提取,最后运用算例分析表明该方法的可行有效。
- 秦娟
- 关键词：物流服务商
- QFD中基于互补模糊偏好的顾客需求竞争性分析被引量：2
- 2014年
- 针对质量屋构建中顾客需求满意评价信息缺乏稳健性的问题,提出基于互补模糊偏好的顾客需求竞争优先度确定的模糊多目标规划模型,并通过获取竞争优先序以确定改进方向。该方法首先对顾客需求的综合模糊满意评价信息进行规范化的处理;其次,根据规范化的顾客需求的综合模糊满意评价信息和表征企业顾客需求竞争力的模糊互补判断评价信息,利用偏差函数最小化原理建立一个多目标规划模型,进而通过模型的恰当转化以确定顾客需求的竞争优先度。通过某型号投影仪产品的开发实例阐释了文中方法的可行性及有效性。
- 秦娟陈振颂李延来
- 关键词：顾客需求互补判断矩阵三角模糊数
- 基于VMD-EWT-QWLSTM-TPE深度学习模型的超短时物流需求多步预测
- 2024年
- 超短时物流需求预测是企业物流资源智能调度的重要基础,然而,超短时物流需求数据具有强随机性、高波动性、非平稳性等特征,进行多步精确预测较为困难.基于此,构建基于串行数据分解和量子加权深度网络的超短时物流需求多步预测模型.首先,通过变分模态分解(VMD)和经验小波变换(EWT)的串行分解方法对超短时物流需求数据的时序特征进行有效提取,以剥离噪声信号,降低原始数据的非平稳性和随机性;然后,构建量子加权长短期记忆神经网络(QWLSTM)深度学习模型,设计多输入多输出策略对分解后的模态分量进行多步预测,并基于树形Parzen评估器(TPE)对QWLSTM的超参数组进行优化;最后,对各模态分量的预测结果进行重构.实验结果表明,所提出模型在平均绝对值误差(MAE)、均方误差(MSE)、加权平均绝对百分比误差(WMAPE)、校正决定系数(R2)方面,均优于其他15种对比模型.
- 杨新彪陈彦如秦娟秦娟
- 关键词：多步预测
- 贫信息环境下基于群体语义信息的运输服务商选择研究
- 2014年
- 针对贫信息环境下运输服务商选择过程的复杂性和不确定性,以及人类思维的模糊性,提出基于群体语义信息的运输服务商选择方法。该方法首先建立运输服务商的评价指标体系,然后将评价人员的语义信息转化为三角模糊数,运用广义推导有序加权平均算子(GIOWA)将评估人员给出的偏好信息与指标权重和评估人员权重集结,得出各备选方案的综合评估值,对其进行排序,选出最优方案。通过算例验证,该方法可以帮助制造企业选择出较为满意的运输服务商。
- 秦娟张锦吕彪
- 关键词：贫信息三角模糊数
- 基于群体语义信息的会计师事务所选择研究
- 2014年
- 针对信息失称环境下会计师事务所选择过程的复杂性和不确定性,以及人类思维的模糊性,提出基于群体语义信息的会计师事务所选择方法。该方法首先建立会计师事务所的评价指标体系,然后将评价人员的语义信息转化为三角模糊数,运用广义推导有序加权平均算子(GIOWA)将评估人员给出的偏好信息与指标权重和评估人员权重集结,得出各备选方案的综合评估值,并对其进行排序,选出最优方案,最后通过算例验证了该方法的可行性。
- 陈锰秦娟侯勤
- 关键词：会计师事务所
- 随机路网多时段随机期望——超额用户均衡模型被引量：2
- 2014年
- 为更准确描述随机路网环境下出行者规避风险的择路行为,对期望—超额交通分配模型进行扩展,提出一种供应与需求双重不确定条件下多时段随机期望—超额用户平衡模型。在模型中,不仅同时考虑了行程时间随机变化条件下的可靠性和不可靠性,而且还考虑了出行者对行程时间的估计误差和需求的时变性。推导了需求服从对数正态分布和路段通行能力服从贝塔分布条件下期望—超额行程时间的解析表达式。以此为基础,建立起用等价变分不等式表示的平衡模型。研究结果表明:提出的模型是可行的、有效的;随着需求波动程度以及路段通行能力退化程度的提高,高峰时段和非高峰时段的期望最小理解期望—超额行程时间都将随之增大,部分高峰时段的出行者会转移至非高峰时段。
- 秦娟张锦吕彪
- 关键词：交通工程变分不等式交通分配不可靠性
- 基于极大熵配置模型与Choquet积分的物流供应商选择群决策方法被引量：12
- 2015年
- 考虑现有物流供应商选择决策模型中存在较少同时考虑专家偏好关联及评估指标具有关联作用的问题,提出基于极大熵配置模型与Choquet积分的物流供应商选择群决策方法。首先,利用转换函数将混合模糊评价矩阵转化为区间直觉模糊评价矩阵;其次,将区间直觉模糊评价矩阵转化为记分函数矩阵,引入基于灰关联深度系数的极大熵配置模型确定评估指标的初始重要度;再次,提出考虑专家偏好关联的基于2-可加模糊测度与Choquet积分联合的评估指标综合重要度确定方法;进而,利用区间直觉模糊加权算术平均算子集成相应于各供应商的综合评估信息以确定最优物流供应商。算例结果表明了所提方法的合理性与有效性。
- 秦娟李延来陈振颂
- 关键词：物流供应商群决策CHOQUET积分
- 基于SAE-ConvLSTM深度学习模型的多站城轨短时客流预测被引量：4
- 2022年
- 为准确预测多个站点城轨交通短时客流,提出卷积长短时记忆网络(ConvLSTM)与栈式自编码器(SAE)相结合的深度学习模型SAE-ConvLSTM。考虑了13个影响客流量的外部因素,并通过SAE对其进行逐层提取,获得更具代表性的外部特征。通过ConvLSTM充分提取客流量的时间与空间特征,并融合所获得的外部特征对轨道交通网络中多个站点的短时客流量进行同步预测。同时设计了隐动作蒙特卡罗树搜索方法(LA-MCT),对SAE进行参数寻优。为了验证寻优效果,与遗传算法、粒子群算法、模拟退火算法以及禁忌搜索算法进行对比。结果表明,LA-MCTS在寻优时间和寻优效果方面均具有优势。此外,以深圳地铁为例进行大量的数值实验,结果显示在预测均方根误差、绝对误差均值、平均绝对百分比误差以及拟合优度方面,所构建的SAE-ConvLSTM模型预测结果均优于浅层机器学习模型—反向传播神经网络、支持向量回归模型、整合移动平均自回归模型,及深度学习模型—长短时记忆网络、卷积神经网络、以及不加入外部特征的ConvLSTM、加外部特征无SAE的ConvLSTM、长短时记忆网络+卷积神经网络(CNN+LSTM)和加外部特征的CNN+LSTM。
- 李莎王秋雯陈彦如秦娟
- 关键词：多站点
- 考虑专家风险偏好的物流服务供应商选择研究被引量：10
- 2016年
- 提出一种考虑决策专家风险偏好与评价指标关联的方法,用以实现物流外包企业对物流服务供应商的选择。首先,组织各决策专家给出可能风险场景下的评估值以及场景概率,并利用累积前景理论获得反映专家风险偏好的综合前景价值;其次,利用2-可加模糊测度以描述评价指标间的独立、互补、冗余等关联关系,并基于Choquet积分集结各评价指标的综合前景价值;而后,综合考虑专家先验信息与所给评估值信息量以确定专家权重;最后,利用TOPSIS法对候选供应商进行优劣排序。通过某制造企业选择物流服务供应商算例验证了该方法的有效性。
- 秦娟陈振颂李延来
- 关键词：物流服务供应商CHOQUET积分组合赋权法TOPSIS法
- 基于期望-超额出行时间的道路系统最优均衡模型被引量：1
- 2014年
- 为研究随机事件扰动下出行者的择路行为对交通分配的影响,同时考虑供需条件的随机变化,以期望-超额出行时间为出行者择路依据,利用边际成本收费原理,推导了边际成本收费值计算公式,建立用等价变分不等式表示的系统最优交通分配模型,并利用自适应投影收缩算法进行求解.算例表明:当OD需求系数为1.0、路段能力退化系数为0.5时,路径1边际成本收费值分别比使用期望出行时间和出行时间预算为择路依据时增加了11.27%和3.58%;当出行时间可靠度为0.9时,路径1边际成本收费值分别比使用期望出行时间和出行时间预算作为择路依据时增加了20.22%和4.30%.
- 秦娟蒲云吕彪
- 关键词：交通工程变分不等式投影收缩算法
