區(qū)域物流需求預(yù)測是政府部門進(jìn)行物流規(guī)劃、制定物流相關(guān)政策的基礎(chǔ),具有數(shù)據(jù)量小和非線性的特點,傳統(tǒng)預(yù)測方法難以保證預(yù)測的精度。本文將區(qū)域外貿(mào)總額、人均消費水平、區(qū)域零售總額和三大產(chǎn)業(yè)的產(chǎn)值作為影響因素,運用RBF神經(jīng)網(wǎng)絡(luò)和隨機森林算法對區(qū)域物流需求進(jìn)行預(yù)測,并結(jié)合多元線性回歸、MLP神經(jīng)網(wǎng)絡(luò)、灰色預(yù)測模型、BP神經(jīng)網(wǎng)絡(luò)和基于泊松分布的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行對比分析。實例分析的結(jié)果表明,基于RBF神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測模型精度最高,平均絕對誤差百分率為2.41%,最大絕對誤差百分率為8.56%,達(dá)到了精準(zhǔn)預(yù)測的效果,具有一定的應(yīng)用價值。 

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 物流需求預(yù)測原理
2 物流需求預(yù)測模型
    2.1?模型的構(gòu)建
        (1）基于RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測模型
        (2）基于隨機森林算法的預(yù)測模型
    2.2?模型的評價
3 預(yù)測結(jié)果與分析
    3.1?數(shù)據(jù)來源及預(yù)處理
    3.2?各預(yù)測模型預(yù)測結(jié)果
    3.3?結(jié)果對比分析
4結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)的磁屏蔽性能計算方法[J]. 呂志峰,張金生,王仕成,李婷.  系統(tǒng)工程與電子技術(shù). 2018(08)
[2]基于RBF網(wǎng)絡(luò)的城市垃圾產(chǎn)量預(yù)測及可視化[J]. 秦緒佳,彭潔,徐菲,鄭紅波,張美玉.  中國環(huán)境科學(xué). 2018(02)
[3]基于網(wǎng)格搜索隨機森林算法的工礦復(fù)墾區(qū)土地利用分類[J]. 陳元鵬,羅明,彭軍還,王軍,周旭,李少帥.  農(nóng)業(yè)工程學(xué)報. 2017(14)
[4]基于改進(jìn)網(wǎng)格搜索算法的隨機森林參數(shù)優(yōu)化[J]. 溫博文,董文瀚,解武杰,馬駿.  計算機工程與應(yīng)用. 2018(10)
[5]基于多種群遺傳BP的城市物流需求預(yù)測[J]. 孫焰,趙劍翔,鄭文家.  綜合運輸. 2016(03)
[6]泊松分布灰色理論在物流需求預(yù)測中的應(yīng)用[J]. 閆娟,李萍.  計算機仿真. 2012(04)
[7]物流需求預(yù)測算法的仿真研究[J]. 吳潔明,李余琪,萬勵.  計算機仿真. 2011(09)
[8]基于MLP神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測方法及其應(yīng)用[J]. 后銳,張畢西.  系統(tǒng)工程理論與實踐. 2005(12)



本文編號：3695659