选择特殊符号
选择搜索类型
请输入搜索
所谓直接预测,就是根据人口、经济、社会等历史数据,需要通信的点直接预测出某一通信业务量的绝对数据值,故也可称为绝对值预测或基础量预测。
间接预测的依据是,不同通信业务量之间有时存在一定的相关性或比例关系,例如渗透率。可以利用直接预测的结果,通过一个比例关系来间接预测出另一些预测量的结果。这一预测法称为间接预测法。例如GPRS、彩信、3G、4G这些业务刚刚开始推出时,都是采用渗透率的方法进行规划预测的。
正因为存在这样的比例关系,我们就可以在各种通信业务量中,选择一些已有一定规模、历史数据比较齐全、发展比较稳定、预测方法比较成熟的业务量先进行预测,把它作为基础量的预测,例如手机用户普及率预测等,然后再通过一定比例关系便可得到一些手机话务量派生量的预测。这就是基础量预测与派生量预测的关系。
由于手机用户普及率预测具有直接性、可比性、绝对性和基础性,因此成为一切手机业务的基础。其他业务量无论用什么方法预测出来后,都可以通过与手机用户普及率的预测值进行比对,从而判断各项预测的合理性和可信度。这在预测结果的审定上有重大意义。
对于一些通信业务网,特别是新开发的业务,由于没有足够的基础数据而难以开展相应的预测工作,这时可采用间接预测法以求得所需的预测数据。
间接预测法也常常用于传输电路数的预测,适用于如数据、多媒体、无线业务、宽带业务、信令、智能业务、专线、出租等电路数的预测。
间接DGM(1,1)模型在基坑沉降预测中的应用
选取某一基坑沉降监测点,该点11个周期的累计沉降量为近似非齐次指数增长序列,以Java为工具对该点进行编程计算,得到GM(1,1)、DGM(1,1)、间接DGM(1,1)3种模型的基坑沉降预测结果。对比分析发现,间接DGM(1,1)模型精度高于GM(1,1)和DGM(1,1)模型,其C值仅为0.01,且残差值增加缓慢,近似于一条水平线,实测值与预测值非常接近,适用范围广,弥补了另两种模型不能进行长期预测的缺憾。
应用BP神经网络的管式间接-直接复合式蒸发冷却空调机组性能预测
为了减少空调机组性能实验的次数,利用已有复合式蒸发冷却空调机组测出的实验数据为训练样本,采用BP神经网络的方法,训练预测了机组混合运行管式间接段和直接段的送风干球温度、湿球温度及热湿交换效率,并和实验测定值进行比较;结果显示:送风干球温度的平均相对误差为1.86%,送风湿球温度的平均相对误差为2.52%,热湿交换效率的平均相对误差为1.47%,验证了BP神经网络在蒸发冷却机组的性能预测中具有很好的适应性,在训练次数大约为1600时,达到了设定的目标精度要求。
业务预测涉及的基本问题包括以下几点。
(1)基础资料的收集和信息资源的充分利用。编制人员一定要尽最大努力获得一手资料,即尽最大努力深入一线前沿实地调查,到营业厅、网管、计费、经分、客服等地方收集资料。上报资料即二手资料要尽量核实后采用,避免上报口径误差与人为误差。
(2)预测基础量和派生量的选择确定。
(3)基本参数的设定。
(4)基础数据口径的统一及与国内、国际的接轨。
(5)预测结果所处范围的合理性的审定。
(6)预测结果与环境分析部分内容吻合性的审定。
(7)预测结果的修正。
1、确定评估目标,制定工作计划
2、收集和熟悉有关资料
资料主要包括:
可行性研究报告和相关资料;
相关规章、制度、办法、标准等;
拟建项目类似的工程项目和生产企业有关的财务资料。
3、分析预测财务基础数据
4、编制财务基础数据评估表
基础数据的范围和作用
财务评价涉及的基础数据很多,按其作用可以分为两类。一类是计算用数据和参数,另一类是判别用参数,或称基准参数。
计算用数据和参数,可分为初级数据和派生数据两类。财务评价需要大量的初级数据,它们大多是通过调查研究、分析、预测确定或相关专业人员提供的。成本费用、销售(营业)收入、销售税金与附加、增值税等可以看作是为财务分析所用的计算用数据,它们是通过初级数据计算出来的,可以称为派生数据。初级数据应是最受关注的数据,它们的确定是否合理,将直接影响成本费用、销售(营业)收入等的估算,进而影响财务评价结果的可信度。在进行财务分析之前,必须做好这些基础性工作。
另一类判别用参数系用于判别项目效益是否满足要求的基准参数,如基准收益率或最低可接受收益率、基准投资回收期、基准投资利润率以及偿债备付率等比率指标。这类基准参数决定着对项目效益的判断,是取舍项目的依据。