基于多重“分解—集成”策略的物流货运量预测

发布时间：2018-08-21 14:19

【摘要】：货运量预测是制定物流政策和决定物流基础设施布局的重要依据.针对受多因素影响的货运量预测具备较强非线性和模糊性特征,提出一种基于趋势分解和小波变换的多重"分解—集成"预测方法.利用趋势分解将货运量分解为趋势项和非趋势项,通过小波分解将非趋势项进一步分解成低频项和高频项,分别建立预测模型,选用相加集成得到货运量预测值.实证表明,"分解—集成"的预测策略将非平稳货运量分解为相对平稳的子序列组合,降低了问题复杂度,有效提高了预测性能,与传统的趋势分解预测模型和小波分解预测模型相比,多重"分解—集成"预测模型精度更高.
[Abstract]:Freight volume prediction is an important basis for making logistics policy and deciding the layout of logistics infrastructure. In view of the strong nonlinearity and fuzziness of freight volume prediction affected by many factors, a multi-multiple "decomposition-integration" forecasting method based on trend decomposition and wavelet transform is proposed. The freight volume is decomposed into trend term and non-trend term by trend decomposition. The non-trend term is further decomposed into low frequency term and high frequency term by wavelet decomposition. The empirical results show that the "decomposition-integration" forecasting strategy decomposes the non-stationary cargo volume into relatively stationary sub-series combination, reduces the complexity of the problem, and effectively improves the prediction performance. Compared with the traditional trend decomposition prediction model and the wavelet decomposition prediction model, the multiple "decomposition-integration" prediction model has higher precision.
【作者单位】： 湖北经济学院物流与工程管理学院;武汉理工大学物流工程学院;
【基金】：国家社会科学基金项目(14BJY139) 国家自然科学基金项目(51175394) 湖北省教育厅人文社科(2012Q099) 湖北物流发展研究中心资助项目(2014A03)
【分类号】：F512;F259.2

【参考文献】

相关期刊论文 前3条

1 李聪;杨德平;孙海涛;;基于EMD与BP神经网络的中国股票指数期货价格预测[J];青岛大学学报(自然科学版);2012年02期

2 丁恒;郑小燕;刘燕;陈无畏;;基于小波分析的随机交通流组合预测方法研究[J];系统仿真学报;2012年02期

3 张华;任若恩;;基于小波分解和残差GM(1,1)-AR的非平稳时间序列预测[J];系统工程理论与实践;2010年06期

【共引文献】

相关期刊论文 前10条

1 王翠翠;魏永霞;;基于GM(1,1)-AR模型和AR模型的黑土区坡耕地土壤水分预测[J];灌溉排水学报;2014年Z1期

2 梁昌勇;马银超;陈荣;梁焱;;基于SVR-ARMA组合模型的日旅游需求预测[J];管理工程学报;2015年01期

3 张贵杰;任永泰;王福林;付强;;非平稳时间序列分析的WAVELET—改进GM(1,1)组合方法及其应用[J];数学的实践与认识;2012年01期

4 杨超;刘喜华;;基于小波分析和BP神经网络的股指期货价格预测[J];青岛大学学报(自然科学版);2014年01期

5 徐丽莎;钱晓山;阳春华;;结合GM(1,1)和LSSVM的多效蒸发过程参数预测[J];智能系统学报;2012年05期

6 李海林;郭崇慧;;基于多维形态特征表示的时间序列相似性度量[J];系统工程理论与实践;2013年04期

7 朱莎;刘晓;;小波分析和支持向量机组合法预测应急血液需求研究[J];中国安全科学学报;2013年05期

8 肖维维;栾卫军;彭思龙;;基于三阶线性微分算子的零空间追踪算法[J];系统工程理论与实践;2013年05期

9 周博;严洪森;;基于小波和多维泰勒网动力学模型的金融时间序列预测[J];系统工程理论与实践;2013年10期

10 张大斌;李红燕;刘肖;张文生;;非线性时间序列的小波-模糊神经网络集成预测方法[J];中国管理科学;2013年S2期

相关会议论文 前2条

1 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集（下）[C];2013年

2 罗党;韦保磊;;基于小波和组合模型的非平稳时间序列预测[A];第25届全国灰色系统会议论文集[C];2014年

相关硕士学位论文 前10条

1 王绍丽;基于集成模型的烧结矿质量预测系统及工业应用[D];中南大学;2011年

2 张贵杰;哈尔滨市区需水量预测研究[D];东北农业大学;2012年

3 张鑫;基于灰理论的中国股票市场短期组合预测建模研究[D];武汉理工大学;2012年

4 吴汉;短时交通流预测及路径选择问题的研究[D];浙江大学;2013年

5 付晓波;经验模态分解法理论研究与应用[D];太原理工大学;2013年

6 陈野;基于分数阶累加生成的短时交通流预测模型研究[D];武汉理工大学;2013年

7 侯宝燕;基于组合预测法的营口港物流需求预测研究[D];大连交通大学;2013年

8 尚s，

本文编号：2196012