基于贝叶斯概率理论的物流园区选址优化研究
发布时间：2021-03-09 05:19
物流园区选址是其规划建设中不可或缺的部分,传统的选址方法以定性分析为主,缺乏对选址结果可靠性的评判标准,为此,引入贝叶斯概率方法开展了物流园区选址规划理论研究。借助EM算法和GeNie软件,构建了贝叶斯网络模型,挖掘出各影响因素间存在的内在因果和逻辑关系,量化各影响因素的显著性,构建科学合理的物流园区选址规划评价指标体系;采用K-means聚类方法建立了物流园区选址模型,使用MATLAB软件对建立的模型进行迭代计算,并引入贝叶斯判别方法对聚类结果进行了可靠性分析;基于贝叶斯网络方法优化了灰色模糊风险评估模型,结合了定性分析和定量计算,得出相应的选址风险系数与评估风险概率,完成了物流园区的选址风险等级评估。研究结果表明:基于贝叶斯方法建立的物流园区选址模型能够充分考虑城市规模、经济社会发展、城市物流量及交通区位等多因素的影响,实现了对物流园区选址结果的量化评价,降低了人为主观因素和客观数据的模糊性对物流园区选址方案的影响,有效提高了物流园区选址规划的科学性和可靠性。以陕西省10个地级市为候选地点验证该选址模型的可行性,结果显示:西安建设物流园区的选址风险系数为4.030 1,处于低风险水...
【文章来源】：中国公路学报. 2020,33(09)北大核心
【文章页数】：10 页
【部分图文】：
图１物流园区选址规划评价指标Ｆｉｇ．１ＥｖａｌｕａｔｉｏｎＩｎｄｅｘｏｆＬｏｇｉｓｔｉｃｓＰａｒｋＬｏｃａｔｉｏｎＰｌａｎｎｉｎｇ
图２贝叶斯网络结构模型Ｆｉｇ．２ＢａｙｅｓｉａｎＮｅｔｗｏｒｋＭｏｄｅｌ图３选址影响因素间的逻辑关系Ｆｉｇ．３ＬｏｇｉｃａｌＲｅｌａｔｉｏｎｓｈｉｐｏｆＩｎｆｌｕｅｎｃｉｎｇＦａｃｔｏｒｓ程中，地区生产总值和货运量都是影响物流园区选址规划的关键因素。通过贝叶斯网络分析，归纳出对物流园区选址具有重要影响的９个指标：①国内生产总值增长率；②地区生产总值；③进出口总额；④外商投资总额；⑤工业生产总值；⑥批发零售业销售总额；⑦货运量；⑧等级公路密度；⑨交通区位。１．２基于Ｋ－ｍｅａｎｓ聚类方法－贝叶斯判别的选址模型构建１．２．１选址模型建立国内外学者利用数学知识和现有技术手段探究了选址模型的相关问题，聚类法是建立选址模型的重要方法之一［２８］。Ｋ－ｍｅａｎｓ聚类分析通过数学处理方法把研究对象量化分析，按照性质相似的程度将研究对象逐步划分，形成层次分明、属性截然不同的类（簇），使得同一类对象的相似性强，差异性明显［２９－３０］。Ｋ－ｍｅａｎｓ聚类算法［３１］流程见图４。１．２．２选址方案可靠性判别在选址规划中，历史数据来源的不确定性和不完整性导致聚类结果的可靠度难以保证。因此，在图４Ｋ－ｍｅａｎｓ聚类算法流程Ｆｉｇ．４ＦｌｏｗＣｈａｒｔｏｆＫ－ｍｅａｎｓＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍＫ－ｍｅａｎｓ聚类结果的基础上，采用贝叶斯判别法来评估物流园区选址聚类结果的可靠性。贝叶斯判别模型［３２－３３］的建立步骤如下：（１）确定先验概率ｐｊ
图２贝叶斯网络结构模型Ｆｉｇ．２ＢａｙｅｓｉａｎＮｅｔｗｏｒｋＭｏｄｅｌ图３选址影响因素间的逻辑关系Ｆｉｇ．３ＬｏｇｉｃａｌＲｅｌａｔｉｏｎｓｈｉｐｏｆＩｎｆｌｕｅｎｃｉｎｇＦａｃｔｏｒｓ程中，地区生产总值和货运量都是影响物流园区选址规划的关键因素。通过贝叶斯网络分析，归纳出对物流园区选址具有重要影响的９个指标：①国内生产总值增长率；②地区生产总值；③进出口总额；④外商投资总额；⑤工业生产总值；⑥批发零售业销售总额；⑦货运量；⑧等级公路密度；⑨交通区位。１．２基于Ｋ－ｍｅａｎｓ聚类方法－贝叶斯判别的选址模型构建１．２．１选址模型建立国内外学者利用数学知识和现有技术手段探究了选址模型的相关问题，聚类法是建立选址模型的重要方法之一［２８］。Ｋ－ｍｅａｎｓ聚类分析通过数学处理方法把研究对象量化分析，按照性质相似的程度将研究对象逐步划分，形成层次分明、属性截然不同的类（簇），使得同一类对象的相似性强，差异性明显［２９－３０］。Ｋ－ｍｅａｎｓ聚类算法［３１］流程见图４。１．２．２选址方案可靠性判别在选址规划中，历史数据来源的不确定性和不完整性导致聚类结果的可靠度难以保证。因此，在图４Ｋ－ｍｅａｎｓ聚类算法流程Ｆｉｇ．４ＦｌｏｗＣｈａｒｔｏｆＫ－ｍｅａｎｓＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍＫ－ｍｅａｎｓ聚类结果的基础上，采用贝叶斯判别法来评估物流园区选址聚类结果的可靠性。贝叶斯判别模型［３２－３３］的建立步骤如下：（１）确定先验概率ｐｊ
【参考文献】：
期刊论文
[1]物流节点选址研究综述[J]. 窦志武,邵亚楠,原智慧,季明昕. 物流工程与管理. 2020(07)
[2]基于遗传算法的消防站选址规划模型[J]. 郭静文,赵朋朋,倪佳成. 计算机应用. 2020(S1)
[3]基于K-均值聚类与贝叶斯判别的我国煤矿顶板灾害事故安全评价[J]. 李世科. 中国矿业. 2020(04)
[4]物流配送中心选址的实例研究[J]. 尹巍巍. 物流工程与管理. 2020(04)
[5]基于K-means聚类方法的物流多配送中心选址优化研究[J]. 王勇,黄思奇,刘永,许茂增. 公路交通科技. 2020(01)
[6]基于熵权的模糊分析法在物流园区选址中的应用[J]. 吴春香. 物流技术. 2019(08)
[7]基于灰色模糊层次分析理论的斜拉桥施工风险评估[J]. 林锦腾. 城市道桥与防洪. 2019(08)
[8]基于层次分析——贝叶斯网络的声波非致命武器致伤评估[J]. 周畅,周克栋,赫雷,张俊斌,黄雪鹰. 兵器装备工程学报. 2019(06)
[9]基于贝叶斯网络的公共自行车出行影响因素研究[J]. 刘建荣,刘志伟. 武汉理工大学学报(交通科学与工程版). 2019(03)
[10]基于双层规划的物流超市选址方法[J]. 李兴国,王敏荣,丁晗. 物流科技. 2019(05)
本文编号：3072318
【文章来源】：中国公路学报. 2020,33(09)北大核心
【文章页数】：10 页
【部分图文】：
图１物流园区选址规划评价指标Ｆｉｇ．１ＥｖａｌｕａｔｉｏｎＩｎｄｅｘｏｆＬｏｇｉｓｔｉｃｓＰａｒｋＬｏｃａｔｉｏｎＰｌａｎｎｉｎｇ
图２贝叶斯网络结构模型Ｆｉｇ．２ＢａｙｅｓｉａｎＮｅｔｗｏｒｋＭｏｄｅｌ图３选址影响因素间的逻辑关系Ｆｉｇ．３ＬｏｇｉｃａｌＲｅｌａｔｉｏｎｓｈｉｐｏｆＩｎｆｌｕｅｎｃｉｎｇＦａｃｔｏｒｓ程中，地区生产总值和货运量都是影响物流园区选址规划的关键因素。通过贝叶斯网络分析，归纳出对物流园区选址具有重要影响的９个指标：①国内生产总值增长率；②地区生产总值；③进出口总额；④外商投资总额；⑤工业生产总值；⑥批发零售业销售总额；⑦货运量；⑧等级公路密度；⑨交通区位。１．２基于Ｋ－ｍｅａｎｓ聚类方法－贝叶斯判别的选址模型构建１．２．１选址模型建立国内外学者利用数学知识和现有技术手段探究了选址模型的相关问题，聚类法是建立选址模型的重要方法之一［２８］。Ｋ－ｍｅａｎｓ聚类分析通过数学处理方法把研究对象量化分析，按照性质相似的程度将研究对象逐步划分，形成层次分明、属性截然不同的类（簇），使得同一类对象的相似性强，差异性明显［２９－３０］。Ｋ－ｍｅａｎｓ聚类算法［３１］流程见图４。１．２．２选址方案可靠性判别在选址规划中，历史数据来源的不确定性和不完整性导致聚类结果的可靠度难以保证。因此，在图４Ｋ－ｍｅａｎｓ聚类算法流程Ｆｉｇ．４ＦｌｏｗＣｈａｒｔｏｆＫ－ｍｅａｎｓＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍＫ－ｍｅａｎｓ聚类结果的基础上，采用贝叶斯判别法来评估物流园区选址聚类结果的可靠性。贝叶斯判别模型［３２－３３］的建立步骤如下：（１）确定先验概率ｐｊ
图２贝叶斯网络结构模型Ｆｉｇ．２ＢａｙｅｓｉａｎＮｅｔｗｏｒｋＭｏｄｅｌ图３选址影响因素间的逻辑关系Ｆｉｇ．３ＬｏｇｉｃａｌＲｅｌａｔｉｏｎｓｈｉｐｏｆＩｎｆｌｕｅｎｃｉｎｇＦａｃｔｏｒｓ程中，地区生产总值和货运量都是影响物流园区选址规划的关键因素。通过贝叶斯网络分析，归纳出对物流园区选址具有重要影响的９个指标：①国内生产总值增长率；②地区生产总值；③进出口总额；④外商投资总额；⑤工业生产总值；⑥批发零售业销售总额；⑦货运量；⑧等级公路密度；⑨交通区位。１．２基于Ｋ－ｍｅａｎｓ聚类方法－贝叶斯判别的选址模型构建１．２．１选址模型建立国内外学者利用数学知识和现有技术手段探究了选址模型的相关问题，聚类法是建立选址模型的重要方法之一［２８］。Ｋ－ｍｅａｎｓ聚类分析通过数学处理方法把研究对象量化分析，按照性质相似的程度将研究对象逐步划分，形成层次分明、属性截然不同的类（簇），使得同一类对象的相似性强，差异性明显［２９－３０］。Ｋ－ｍｅａｎｓ聚类算法［３１］流程见图４。１．２．２选址方案可靠性判别在选址规划中，历史数据来源的不确定性和不完整性导致聚类结果的可靠度难以保证。因此，在图４Ｋ－ｍｅａｎｓ聚类算法流程Ｆｉｇ．４ＦｌｏｗＣｈａｒｔｏｆＫ－ｍｅａｎｓＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍＫ－ｍｅａｎｓ聚类结果的基础上，采用贝叶斯判别法来评估物流园区选址聚类结果的可靠性。贝叶斯判别模型［３２－３３］的建立步骤如下：（１）确定先验概率ｐｊ
【参考文献】：
期刊论文
[1]物流节点选址研究综述[J]. 窦志武,邵亚楠,原智慧,季明昕. 物流工程与管理. 2020(07)
[2]基于遗传算法的消防站选址规划模型[J]. 郭静文,赵朋朋,倪佳成. 计算机应用. 2020(S1)
[3]基于K-均值聚类与贝叶斯判别的我国煤矿顶板灾害事故安全评价[J]. 李世科. 中国矿业. 2020(04)
[4]物流配送中心选址的实例研究[J]. 尹巍巍. 物流工程与管理. 2020(04)
[5]基于K-means聚类方法的物流多配送中心选址优化研究[J]. 王勇,黄思奇,刘永,许茂增. 公路交通科技. 2020(01)
[6]基于熵权的模糊分析法在物流园区选址中的应用[J]. 吴春香. 物流技术. 2019(08)
[7]基于灰色模糊层次分析理论的斜拉桥施工风险评估[J]. 林锦腾. 城市道桥与防洪. 2019(08)
[8]基于层次分析——贝叶斯网络的声波非致命武器致伤评估[J]. 周畅,周克栋,赫雷,张俊斌,黄雪鹰. 兵器装备工程学报. 2019(06)
[9]基于贝叶斯网络的公共自行车出行影响因素研究[J]. 刘建荣,刘志伟. 武汉理工大学学报(交通科学与工程版). 2019(03)
[10]基于双层规划的物流超市选址方法[J]. 李兴国,王敏荣,丁晗. 物流科技. 2019(05)
本文编号：3072318
本文链接：https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/3072318.html
