基于改进APSO-GRNN的区域物流需求预测研究

发布时间：2021-10-23 21:39

　　随着经济一体化,物流在实现资源优化配置中的地位日益重要,区域物流是区域经济的主要构成要素。从单个企业物流合理化走向区域物流合理化,是社会经济发展的必然趋势。因此,规划和建立完善的区域物流网络体系具有十分重要的意义,而区域物流需求预测研究是其中重要的环节。传统的物流需求量预测方法对物流需求量与预测影响因素的高度非线性无法辨识,对于一些模糊等不确定性因素无法处理,造成预测结果的严重失真的问题。运用广义回归神经网络（GeneralizedRegression Neural Network,GRNN）来构建预测模型,泛化性能良好,在逼近能力、分类能力和学习速度上有着较强的优势,具有很强的非线性拟合能力等优点,适合用于预测分析。但广义回归神经网络的唯一调节参数—平滑因子难以确定,其值对网络的预测性能影响很大。因此,本文提出一种改进的自适应粒子群优化算法（Adaptive ParticleSwarm Optimization,APSO）来确定平滑因子。将平滑因子映射为粒子,根据粒子的适应度值一致等价于粒子位置的特点,通过比较粒子适应度值与当前全局最优适应度值的差来自适应调整惯性权值,并按当前种群平... 

【文章来源】：中南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

sphere函数

Roseobrock函数

Rastrigrin函数

【参考文献】：
期刊论文
[1]区域物流需求预测的LaOR方法[J]. 汤俊,肖建华.  商业研究. 2007(09)
[2]差分演化的微粒群算法[J]. 廖璟,申群太.  科学技术与工程. 2007(08)
[3]基于灰色神经网络的区域物流需求预测[J]. 林荣天,陈联诚,李绍静,黄灏然.  价值工程. 2007(02)
[4]区域物流需求预测的COMR方法[J]. 汤俊,肖健华,叶艺勇.  辽宁工程技术大学学报. 2006(S2)
[5]量子行为粒子群优化算法的布局问题研究[J]. 黄建江,须文波,孙俊,董洪伟.  计算机应用. 2006(12)
[6]采用GRNN模型进行交通量预测及实现研究[J]. 魏晋雁,茹锋.  长沙交通学院学报. 2006(02)
[7]基于广义回归神经网络的碳铵塔预测模型[J]. 郑启富,罗晟,谢艳.  化工技术与开发. 2006(04)
[8]分段式微粒群优化算法[J]. 滕居特,陈国初,顾幸生.  华东理工大学学报(自然科学版). 2006(04)
[9]广义回归神经网络模型在短期电力负荷预测中的应用研究[J]. 谷志红,牛东晓,王会青.  中国电力. 2006(04)
[10]一种引入单纯形法算子的新颖粒子群算法[J]. 王芳,邱玉辉.  信息与控制. 2005(05)

博士论文
[1]区域经济协调发展统计测度研究[D]. 韩兆洲.厦门大学 2000

硕士论文
[1]我国物流需求预测的神经网络模型和实证分析研究[D]. 牛忠远.浙江大学 2006
[2]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
[3]基于人工神经网络的经济预测研究[D]. 刘国宏.天津大学 2005
[4]区域物流需求量预测及节点城市选取方法研究[D]. 王俊波.吉林大学 2004
[5]随机时间序列模型在物流需求预测中的应用[D]. 黄丽.武汉大学 2004
[6]重庆经济增长因素的定量分析[D]. 张新忠.重庆大学 2002



本文编号：3453959