發(fā)布時(shí)間：2022-10-21 12:39

　　區(qū)域物流需求預(yù)測(cè)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(diǎn),傳統(tǒng)預(yù)測(cè)方法難以保證預(yù)測(cè)的精度。本文將區(qū)域外貿(mào)總額、人均消費(fèi)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(yùn)用RBF神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林算法對(duì)區(qū)域物流需求進(jìn)行預(yù)測(cè),并結(jié)合多元線性回歸、MLP神經(jīng)網(wǎng)絡(luò)、灰色預(yù)測(cè)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(duì)比分析。實(shí)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(cè)模型精度最高,平均絕對(duì)誤差百分率為2.41%,最大絕對(duì)誤差百分率為8.56%,達(dá)到了精準(zhǔn)預(yù)測(cè)的效果,具有一定的應(yīng)用價(jià)值。 

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
0 引言
1 物流需求預(yù)測(cè)原理
2 物流需求預(yù)測(cè)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(cè)模型
        (2）基于隨機(jī)森林算法的預(yù)測(cè)模型
    2.2?模型的評(píng)價(jià)
3 預(yù)測(cè)結(jié)果與分析
    3.1?數(shù)據(jù)來(lái)源及預(yù)處理
    3.2?各預(yù)測(cè)模型預(yù)測(cè)結(jié)果
    3.3?結(jié)果對(duì)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(jì)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(cè)及可視化[J]. 秦緒佳,彭潔,徐菲,鄭紅波,張美玉.  中國(guó)環(huán)境科學(xué). 2018(02)
[3]基于網(wǎng)格搜索隨機(jī)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(bào). 2017(14)
[4]基于改進(jìn)網(wǎng)格搜索算法的隨機(jī)森林參數(shù)優(yōu)化[J]. 溫博文,董文瀚,解武杰,馬駿.  計(jì)算機(jī)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(cè)[J]. 孫焰,趙劍翔,鄭文家.  綜合運(yùn)輸. 2016(03)
[6]泊松分布灰色理論在物流需求預(yù)測(cè)中的應(yīng)用[J]. 閆娟,李萍.  計(jì)算機(jī)仿真. 2012(04)
[7]物流需求預(yù)測(cè)算法的仿真研究[J]. 吳潔明,李余琪,萬(wàn)勵(lì).  計(jì)算機(jī)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(cè)方法及其應(yīng)用[J]. 后銳,張畢西.  系統(tǒng)工程理論與實(shí)踐. 2005(12)



本文編號(hào)：3695659