【摘要】：國務院明確定位物流為支撐國民經濟的基礎性和戰(zhàn)略性產業(yè),在此背景下,南京作為長江經濟帶中的特大型城市,其經濟發(fā)展水平、產業(yè)結構、基礎設施、市民消費水平、消費理念、物流技術、城市物流基礎設施布局、物流服務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的預測模型是十分必要的。本文以南京市物流發(fā)展的實際狀況以及物流需求相關理論為基礎,根據(jù)物流需求的相關特征,對物流需求預測開展了研究。主要研究工作有以下幾個方面:(1)在閱讀和學習國內外物流需求的期刊文獻的基礎上,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測模型對照的預測模型,同時在明確了影響物流需求量的因素的基礎上,選取了貨運量為物流需求的預測指標。(2)建立了基于LDWPSO的加權樸素貝葉斯預測模型。針對傳統(tǒng)樸素貝葉斯模型中各個屬性獨立的問題,本文使用為每個屬性添加權值的方法削弱各個屬性的獨立性,結合具有強擬合能力的粒子群優(yōu)化算法,建立基于粒子群優(yōu)化的加權樸素貝葉斯預測模型應用于物流需求預測的問題。同時,由于粒子群優(yōu)化算法在處理離散數(shù)據(jù)時容易陷入局部最優(yōu)解的缺點,本文采用慣性權重線性遞減的方法來改進,以提高預測模型的魯棒性和準確性。(3)對南京市的物流需求預測進行了實證分析,試驗結果表明,基于LDWPSO的加權樸素貝葉斯預測模型在預測的誤差率上明顯低于其他單一的預測模型,從而驗證了預測模型的準確性。
【圖文】：

40圖 4.1 基于 LDWPSO 的加權樸素貝葉斯預測模型流程圖準化法之前需要采集樣本數(shù)據(jù)，樣本數(shù)據(jù)與實際分類預將數(shù)據(jù)進行標準化處理，即對樣本數(shù)據(jù)的格式進行

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

【參考文獻】

相關期刊論文 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測分析[J];價值工程;2015年36期

2 施紹寧;;基于神經網絡的敏捷制造業(yè)預測模型及其自動化物流預測系統(tǒng)[J];科技展望;2015年36期

3 魏杰;寧靜;李富忠;;山西省玉米產量預測研究——基于指數(shù)平滑法的實證研究[J];天津農業(yè)科學;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)新導報;2015年26期

5 嚴小麗;何超;黃怡浪;;三次指數(shù)平滑法在建筑事故預測中的應用[J];統(tǒng)計與決策;2015年10期

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

7 徐生兵;夏文杰;馮繼強;;一種改進的粒子群優(yōu)化算法[J];計算機與現(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測[J];物流技術;2015年03期

9 鄧ng;;基于孤立點消除合理選擇訓練樣本的物流預測[J];物流技術;2014年13期

10 曾鳴;程文明;林磊;;狀態(tài)空間時間序列的區(qū)域物流需求預測研究[J];計算機工程與應用;2014年15期

相關博士學位論文 前2條

1 童明余;灰色建模方法及其在預測中的應用研究[D];重慶大學;2016年

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

相關碩士學位論文 前1條

1 陳凌纓;基于循環(huán)經濟的逆向物流預測與實證[D];華僑大學;2012年

本文編號：2645307