基于GA-SVM的区域物流需求预测研究

发布时间：2021-03-04 20:08

　　区域物流需求预测作为区域物流规划中一项非常重要的工作,是对区域物流基础设施建设规模、网络空间布局和物流企业发展方向、功能定位等进行全面规划的前提和基础。它的目的在于能为区域物流活动提供物流能力,作为供给不断满足需求的依据,以保证区域物流服务的供给与需求之间保持相对平衡,使区域物流保持较高的效益和效率。本文在调查国内外研究现状及其存在问题的基础上,首先,对物流和区域物流的概念和特征进行了介绍,并对区域物流需求预测的概念、内容和步骤进行了分析;其次,找出区域物流需求的主要影响因素,从区域经济总量、区域产业结构和区域消费水平等方面构建出区域物流需求的预测指标体系;再次,将遗传算法（GA）引入到支持向量机（SVM）预测模型,对其核函数及其参数进行优化,得到基于遗传算法-支持向量机（GA-SVM）的预测模型,并在MATLAB中进行了编程实现;最后,利用GA-SVM模型对邯郸市物流需求进行了预测,将其预测结果与传统支持向量机和BP神经网络等模型预测结果相比较,证明了该模型的可行性和有效性,为区域物流需求预测提供了新的途径和方法。 

【文章来源】： 阮俊虎 河北工程大学

【文章页数】：103 页

【学位级别】：硕士

【部分图文】：

GA-SVM参数选择3D视图

71图 5-1 GA-SVM 参数选择 3D 视图Fig.5-1 3D view of parameter selection by GA-SVM algorithm

75图 5-3 GA-SVM 预测值对原数据的拟合曲线Fig.5-3 The fitting curves of GA-SVM forecasting values to the original data从图 5-2 和 5-3 中可以看出：GA-SVM 模型预测拟合结果要优于传统 SVM 模型，更加准确，同时也可以看出邯郸市货物运输量和货物周转量的变化趋势。（2）预测误差情况预测误差等于原始值减去预测值，误差曲线不仅可以反映预测的准确性，还

【参考文献】：
期刊论文
[1]鄂尔多斯区域物流需求预测分析[J]. 韩延慧,王艳玲,陈超,陈乔.  物流技术. 2008(10)
[2]基于支持向量回归机的区域物流需求预测模型及其应用[J]. 黄虎,蒋葛夫,严余松,廖百胜,夏国恩.  计算机应用研究. 2008(09)
[3]模糊神经网络非线性组合预测在铁路货运量预测中的应用[J]. 刘婷婷,邓克涛,马昌喜.  铁道运输与经济. 2008(09)
[4]组合预测模型在港口物流量预测中的应用[J]. 郁小锋,余静.  中国水运(下半月). 2008(06)
[5]基于支持向量机的交通流组合预测模型[J]. 李斌,郗涛,史明华.  天津工业大学学报. 2008(02)
[6]组合预测模型在宁波港集装箱吞吐量预测中的应用[J]. 张云康,张晓宇.  中国水运(下半月). 2008(01)
[7]残差灰色预测模型在物流需求预测中的应用[J]. 周茵.  铁道运输与经济. 2007(11)
[8]基于非线性支持向量机区域物流量预测[J]. 庞明宝,常振华,刘娟.  物流科技. 2007(09)
[9]基于Markov链的物流园区需求灰色预测模型改进[J]. 胡云超,雷黎,纪寿文.  物流科技. 2007(08)
[10]基于SVR的区域物流需求短期智能预测模型研究[J]. 何周林,肖健华.  五邑大学学报(自然科学版). 2007(02)

博士论文
[1]支持向量机回归算法与应用研究[D]. 李海生.华南理工大学 2005
[2]基于学习机器的洪水预报模型研究[D]. 梅松.浙江大学 2004
[3]物流园区优化布局和物流运行关键技术的研究[D]. 毛薇.吉林大学 2004
[4]支持向量机分类与回归方法研究[D]. 孙德山.中南大学 2004
[5]基于支持向量机的故障智能诊断方法研究[D]. 翟永杰.华北电力大学（河北） 2004
[6]物流园区预测方法及应用研究[D]. 云俊.武汉理工大学 2003

硕士论文
[1]区域经济和区域物流需求的预测研究[D]. 杨浩.对外经济贸易大学 2005
[2]物流形态演进与我国第三方物流发展分析[D]. 刘梅生.华南师范大学 2003
[3]基于区域经济的区域物流体系研究[D]. 赵习频.武汉理工大学 2003



本文编号：3063836