人工神经网络模型的江西省物流需求预测

区域物流与区域经济息息相关。为了准确预测区域物流需求规模,运用灰色关联对决定区域物流需求的经济因素以及他们之间的相关性进行分析,建立区域物流需求预测指标体系和BP神经网络区域物流预测模型。通过实证分析,验证了预测模型的有效性,并对江西未来5年的物流需求做出了预测。     

用MATLAB实现对周期趋向性物流需求的快速预测

物流需求预测对企业的经营决策至关重要，企业经常要花费很多的时间和精力来做需求预测。文中分析了周期趋向性物流需求的主要特点，建立了周期趋向性物流需求的预测模型。同时，根据周期趋向性物流需求预测模型的特点，阐述了运用MATLAB软件对其进行预测的基本原理，并在MATLAB平台上实现了对周期趋向性物流需求的快速预测。     

基于主成分回归的区域物流需求预测研究——以云南省为例

为了能够给区域物流发展政策的制定、物流基础设施建设规模的确定、物流市场态势的分析等提供定量的物流需求规模数据,建立科学合理的预测模型显得尤为重要。首先,研究区域物流与区域经济的关系;其次,从货运量、货运周转量两个指标中选取货运周转量来表征区域物流需求规模;最后,从区域经济指标中选取第一产业总产值、第二产业总产值、第三产业总产值、社会消费品零售总额、固定资产投资额、进出口额等指标作为影响因素,借助SPSS统计分析软件,以云南省统计数据为基础,建立基于主成分回归方法的区域物流需求预测模型。研究结果表明,该模型在对云南省物流需求规模进行预测时,模型平均相对误差小于4%,预测精度高,可以作为中短期物流需求预测的工具。     

交通规划四阶段法在物流需求预测中的应用

结合交通规划四阶段法的特点,在城市物流规划中的物流需求预测基础上,研究了物流需求分阶段的预测方法,并对物流需求预测模型进行了应用分析,最后基于四阶段物流需求预测,论述了相应的城市物流调查与分析的内容和方法。     

城市物流园区需求预测的系统动力学模型构建

针对目前物流需求预测中主要采用的回归分析方法和时间序列模型存在的缺陷,运用系统动力学方法研究城市物流园区规划中的需求预测问题。对物流园区系统内部要素作用机制以及与外部经济系统的相互作用机制进行分析。将物流需求预测的影响因素归纳为物流供给能力和区域经济发展两类,并探讨了这两类因素与物流需求之间的反馈。运用系统动力学的理论和方法构建了城市物流园区需求预测模型,将物流需求、物流供给能力以及区域经济发展三者的动态关系纳入其中。指出物流需求预测不仅要考虑当前的资源情况和经济水平,还要用动态的眼光进行系统分析。     

基于GRA 与KPCA 的LSSVM 物流需求预测

为降低物流需求建模中最小二乘支持向量机（LSSVM）的结构复杂性、进一步提高LSSVM对物流需求的预测精度,提出一种基于灰色关联分析（GRA）与核主成分分析（KPCA）的LSSVM预测方法.首先利用GRA找出物流需求的主要影响因素;然后利用KPCA提取主要影响因素的非线性主成分,消除因素之间的多重相关性;最后,将提取出的非线性主成分作为LSSVM的输入变量,构建物流需求预测模型,并采用改进粒子群 (IPSO)算法调整LSSVM参数.运用该方法对我国物流需求进行实例分析,结果表明,该方法有效减少了LSSVM输入变量个数,简化了LSSVM结构,并且在一定程度上提高了物流需求预测精度.     

����GRA ��KPCA ��LSSVM ��������Ԥ��

为降低物流需求建模中最小二乘支持向量机（LSSVM）的结构复杂性、进一步提高LSSVM对物流需求的预测精度,提出一种基于灰色关联分析（GRA）与核主成分分析（KPCA）的LSSVM预测方法。首先利用GRA找出物流需求的主要影响因素;然后利用KPCA提取主要影响因素的非线性主成分,消除因素之间的多重相关性;最后,将提取出的非线性主成分作为LSSVM的输入变量,构建物流需求预测模型,并采用改进粒子群(IPSO)算法调整LSSVM参数。运用该方法对我国物流需求进行实例分析,结果表明,该方法有效减少了LSSVM输入变量个数,简化了LSSVM结构,并且在一定程度上提高了物流需求预测精度。     

基于GRNN神经网络的社会物流成本预测研究

介绍了常用物流成本预测方法的特点,分析了社会物流成本和经济总量、产业结构等相关影响因素之间的关系,结合中国社会物流成本和经济结构的现状,在此基础上建立了基于广义回归神经网络的中国社会物流成本预测模型,并以中国1998～2006年的相关历史数据作为学习样本,通过拟合训练和外推预测分析,验证了GRNN用于社会物流成本预测的效果.     

基于灰色模型的成都双流机场物流预测

准确进行机场物流预测是机场规划的重要前提.但从目前机场物流的预测现状看,许多机场都存在预测值高于实际值的情况.文中在分析现有机场物流预测模型不足的基础上,利用灰色系统理论,建立了成都双流机场货、邮吞吐量的预测模型.通过实际数据与预测结果的比较,证明灰色模型对于双流机场货、邮吞吐量的预测具备可行性,同时具有较高的精度.     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

基于遗传BP神经网络的城市物流需求量预测

结合遗传算法与BP神经网络算法预测城市物流需求量,通过算例对比证明了遗传BP神经网络算法在预测的精度与收敛速度上均优于单一算法.基于物流业的广泛性提出采用3种物流需求量作为网络的输出指标,提高了物流需求量预测的广度与可信度,并提出了一种连续预测未来数年物流需求量的方法以便于运用于实际决策之中.     

����ģ���ֲڼ���֧��������������������Ԥ��

对区域物流量进行研究与预测有助于把握区域物流的需求,实现区域物流供需相对平衡,提高区域物流规划质量和运行效率具有重要的理论和实际意义.本文将模糊粗糙集理论引入区域物流量的预测中,建立基于模糊粗糙集与支持向量机的区域物流量预测模型,用模糊粗糙集作为前端预处理器对数据进行约简,剔除冗余信息,以实现两种算法的优势互补.针对支持向量机在处理数据时无法将数据简化的问题,提出了基于模糊粗糙集与支持向量机的区域物流量预测方法,在支持向量机对样本数据进行处理之前,利用模糊粗糙集数据挖掘的能力对原始数据样本集进行预处理.结果表明,这种预测方法具有很好的精确性和有效性.     

�ۿ�����Ԥ���о�������TEI@I������

基于TEI@I理论框架,本文提出了适用于港口物流货运复杂系统的TEI@I的综合集成预测模型,并基于青岛港集装箱吞吐量数据,预测和分析了TEI@I的港口物流货运量的集成预测理论框架的各部分.预测结果表明,基于TEI@I集成预测模型的效果远远优于单独模型的预测结果,方向变化统计量(Dstat)的评价结果从66%-77%提高到了100%,对主要决策者方向性的判断更有实际意义.其次,TEI@I方法论中将数据“先分解后集成”的思想,引入了对数据的非线性部分的分析和预测,该方法不仅提供了分析外部冲击对具体数据序列的影响程度,影响周期的分析思路,而且将分析后的序列集成,对不同模型的预测精度有了很大的提高.     

基于多输出支持向量机的物流量预测研究

物流量预测问题受众多因素影响,而已有的方法都是用多输入单输出模型进行预测,因此难以获得满意的预测效果。一种多输出支持向量机的方法用于广州市的物流量的预测中,为了与单输出预测相比,选取自适应迭代支持向量机方法进行预测。结果表明,多输出支持向量机的预测是有效的。     

基于可靠性分析的区域灾害应急物流网络设计

为了设计能够最大限度地抵御自然灾害破坏并满足应急物资和抢险救援需求的物流网络,从系统可靠性角度出发,提出了区域路网应急连通可靠性的概念.运用双层规划方法构建了网络设计模型,上层模型为物流运行总时间最小和系统应急连通可靠性最大的双目标规划模型,下层模型为固定需求用户平衡配流模型.将双目标函数转化为单目标函数后求解上层模型,用改进模拟退火优化算法求解整个双层规划模型.结果表明:在相同投资约束下,上层模型中增加系统应急连通可靠性最大的目标函数后,网络最大关键度由821.55降至32.66,物流总代价降低了0.22％,物流运行时间不变.实际网络最优方案的设计应综合考虑物流效率与系统可靠性.     

һ���������ı�Ȩ���Ԥ�ⷽ����Ӧ��

物流量预测是物流系统规划、物流资源合理配置过程中的重要环节,同时也是政府部门制定物流产业发展规划与政策的基础工作,准确预测物流量具有非常重要的意义。目前,大多数学者往往都采用单一预测方法进行预测,但由于单一预测方法假设条件及适用范围均存在一定的局限性,预测精度不高。因此,在多元线性回归方法、二次指数平滑方法和定权组合预测方法的基础上,提出了一种物流量的变权组合预测方法,并以湖南省醴陵市货运量预测为实例进行了分析,结果表明,该方法较单一预测方法误差更小、精度更高,能够更准确地预测物流量,可以作为物流量预测的有效工具。