基于遗传算法优化支持向量机的物流需求预测研究
发布时间:2017-09-24 19:00
本文关键词:基于遗传算法优化支持向量机的物流需求预测研究
【摘要】:为提升物流需求预测的准确度,以建立物流需求指标为基础,构建了一种遗传算法(GA)优化支持向量机的物流需求预测模型(GA-SVM)。首先对物流数据进行归一化处理,然后利用GA-SVM刻画物流需求量与其影响因素间的非线性关系,并通过遗传算法优化选择SVM参数,选取1998-2014年安徽省物流数据对模型进行测试。结果表明,GA-SVM在很大程度上提高了物流需求预测的准确性,能够精确地表征物流需求量的变化趋势,其预测精度和相对误差均优于对比模型,是一种较好的物流需求预测方法。
【作者单位】: 安徽理工大学经济与管理学院;
【关键词】: 物流需求 支持向量机 遗传算法
【分类号】:F259.22;TP18
【正文快照】: 物流系统的规划和设计必须立足于准确的物流需求预测,准确的物流需求预测可以帮助行业企业设计科学的物流系统,分配有限的资源,协调物流的供需关系,进而提高区域经济发展水平[1]。国内外对物流需求预测方法的研究拥有很长的历史,早期的预测方法主要有时间序列法、指数平滑法和
【参考文献】
中国期刊全文数据库 前10条
1 杨波;吴涵;;基于组合预测模型的物流园区物流需求预测——以重庆空港物流园为例[J];数学的实践与认识;2015年20期
2 彭湖;何民;;基于主成分回归的区域物流需求预测研究——以云南省为例[J];交通运输研究;2015年03期
3 钟映z,
本文编号:912906
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/912906.html