【摘要】：國務(wù)院明確定位物流為支撐國民經(jīng)濟(jì)的基礎(chǔ)性和戰(zhàn)略性產(chǎn)業(yè),在此背景下,南京作為長江經(jīng)濟(jì)帶中的特大型城市,其經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、基礎(chǔ)設(shè)施、市民消費(fèi)水平、消費(fèi)理念、物流技術(shù)、城市物流基礎(chǔ)設(shè)施布局、物流服務(wù)水平都在不斷的提高、變革和改善。因此,對南京的物流需求建立科學(xué)的預(yù)測模型是十分必要的。本文以南京市物流發(fā)展的實(shí)際狀況以及物流需求相關(guān)理論為基礎(chǔ),根據(jù)物流需求的相關(guān)特征,對物流需求預(yù)測開展了研究。主要研究工作有以下幾個(gè)方面:(1)在閱讀和學(xué)習(xí)國內(nèi)外物流需求的期刊文獻(xiàn)的基礎(chǔ)上,選取了灰色系統(tǒng)理論和指數(shù)平滑法作為與本文所建立的預(yù)測模型對照的預(yù)測模型,同時(shí)在明確了影響物流需求量的因素的基礎(chǔ)上,選取了貨運(yùn)量為物流需求的預(yù)測指標(biāo)。(2)建立了基于LDWPSO的加權(quán)樸素貝葉斯預(yù)測模型。針對傳統(tǒng)樸素貝葉斯模型中各個(gè)屬性獨(dú)立的問題,本文使用為每個(gè)屬性添加權(quán)值的方法削弱各個(gè)屬性的獨(dú)立性,結(jié)合具有強(qiáng)擬合能力的粒子群優(yōu)化算法,建立基于粒子群優(yōu)化的加權(quán)樸素貝葉斯預(yù)測模型應(yīng)用于物流需求預(yù)測的問題。同時(shí),由于粒子群優(yōu)化算法在處理離散數(shù)據(jù)時(shí)容易陷入局部最優(yōu)解的缺點(diǎn),本文采用慣性權(quán)重線性遞減的方法來改進(jìn),以提高預(yù)測模型的魯棒性和準(zhǔn)確性。(3)對南京市的物流需求預(yù)測進(jìn)行了實(shí)證分析,試驗(yàn)結(jié)果表明,基于LDWPSO的加權(quán)樸素貝葉斯預(yù)測模型在預(yù)測的誤差率上明顯低于其他單一的預(yù)測模型,從而驗(yàn)證了預(yù)測模型的準(zhǔn)確性。
【圖文】：

40圖 4.1 基于 LDWPSO 的加權(quán)樸素貝葉斯預(yù)測模型流程圖準(zhǔn)化法之前需要采集樣本數(shù)據(jù)，樣本數(shù)據(jù)與實(shí)際分類預(yù)將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，即對樣本數(shù)據(jù)的格式進(jìn)行

圖 4.2 樣本數(shù)據(jù)標(biāo)準(zhǔn)化結(jié)構(gòu)的樣本數(shù)據(jù)標(biāo)準(zhǔn)化結(jié)構(gòu)中，1A 、2A 和kA 代表樣本數(shù)據(jù)集性的個(gè)數(shù)；C代表類別屬性。準(zhǔn)化完成后，下一步即本階段是根據(jù)貝葉斯定理公式計(jì)算后公式即式（4.2）。類預(yù)測思想是計(jì)算某個(gè)樣本數(shù)據(jù)類別屬性的后驗(yàn)概率 P( Ci屬于后驗(yàn)概率最大的類別屬性。顯然，，每個(gè)數(shù)據(jù)的 P (X))()iiXCPC。葉斯算法中類別屬性的后驗(yàn)概率由式（4.4）算得，如式（4
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F259.27

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方偉;鄭文竹;樊立沙;凌云鵬;;基于二次指數(shù)平滑模型的中國社會電力需求預(yù)測分析[J];價(jià)值工程;2015年36期

2 施紹寧;;基于神經(jīng)網(wǎng)絡(luò)的敏捷制造業(yè)預(yù)測模型及其自動化物流預(yù)測系統(tǒng)[J];科技展望;2015年36期

3 魏杰;寧靜;李富忠;;山西省玉米產(chǎn)量預(yù)測研究——基于指數(shù)平滑法的實(shí)證研究[J];天津農(nóng)業(yè)科學(xué);2015年11期

4 趙乃剛;鄧景順;;粒子群優(yōu)化算法綜述[J];科技創(chuàng)新導(dǎo)報(bào);2015年26期

5 嚴(yán)小麗;何超;黃怡浪;;三次指數(shù)平滑法在建筑事故預(yù)測中的應(yīng)用[J];統(tǒng)計(jì)與決策;2015年10期

6 王燕霞;錢存華;陳淼;;基于組合預(yù)測法的江蘇省物流需求預(yù)測[J];物流技術(shù);2015年07期

7 徐生兵;夏文杰;馮繼強(qiáng);;一種改進(jìn)的粒子群優(yōu)化算法[J];計(jì)算機(jī)與現(xiàn)代化;2015年03期

8 宋志蘭;王冬嵐;王華;;基于灰色GM(1,1)模型的云南花卉物流需求預(yù)測[J];物流技術(shù);2015年03期

9 鄧ng;;基于孤立點(diǎn)消除合理選擇訓(xùn)練樣本的物流預(yù)測[J];物流技術(shù);2014年13期

10 曾鳴;程文明;林磊;;狀態(tài)空間時(shí)間序列的區(qū)域物流需求預(yù)測研究[J];計(jì)算機(jī)工程與應(yīng)用;2014年15期

相關(guān)博士學(xué)位論文 前2條

1 童明余;灰色建模方法及其在預(yù)測中的應(yīng)用研究[D];重慶大學(xué);2016年

2 盛歆漪;粒子群優(yōu)化算法及其應(yīng)用研究[D];江南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前1條

1 陳凌纓;基于循環(huán)經(jīng)濟(jì)的逆向物流預(yù)測與實(shí)證[D];華僑大學(xué);2012年

本文編號：2645307