基于Arima-BP的城市物流需求預(yù)測及發(fā)展對策研究
發(fā)布時(shí)間:2021-10-31 10:00
近年來隨著區(qū)域協(xié)調(diào)發(fā)展、產(chǎn)業(yè)分工協(xié)作趨勢不斷增強(qiáng),現(xiàn)代物流業(yè)逐漸發(fā)展成為中國國民經(jīng)濟(jì)體系中重要的基礎(chǔ)性服務(wù)產(chǎn)業(yè)。其中在中觀物流領(lǐng)域,城市物流扮演著重要的角色,它服務(wù)于城市需求,促進(jìn)城市經(jīng)濟(jì)快速發(fā)展。同時(shí),城市經(jīng)濟(jì)的形成又是城市物流存在的條件,城市運(yùn)輸能力不足,交通運(yùn)輸基礎(chǔ)設(shè)施落后等嚴(yán)重影響了城市物流效率,只有運(yùn)輸能力與城市物流需求匹配時(shí),才能真正體現(xiàn)出它的經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值,所以提前預(yù)測物流需求能夠減少運(yùn)力浪費(fèi),有針對性地改善基礎(chǔ)設(shè)施,進(jìn)而提高物流效率。物流需求往往又與宏觀經(jīng)濟(jì)指標(biāo)相關(guān)。因此,本文從宏觀經(jīng)濟(jì)指標(biāo)出發(fā),結(jié)合相關(guān)文獻(xiàn)分析與物流需求相關(guān)的因素,通過灰色關(guān)聯(lián)分析得到用于預(yù)測城市物流需求的指標(biāo)集,然后分析Arima時(shí)間序列模型與BP神經(jīng)網(wǎng)絡(luò)的原理和特點(diǎn),將兩者加以結(jié)合形成Arima-BP組合預(yù)測模型,并以天津市為例進(jìn)行模型驗(yàn)證并對天津市物流需求趨勢進(jìn)行預(yù)測,依據(jù)預(yù)測結(jié)果并結(jié)合物流及配套產(chǎn)業(yè)現(xiàn)狀提出城市物流發(fā)展的對策與建議。詳細(xì)內(nèi)容如下:首先,以城市物流需求為研究對象,提出了本文所要研究的問題,闡述了研究的重要性,并指出了現(xiàn)有研究的不足,從而引出本文的研究內(nèi)容,并繪制技術(shù)路線圖;基...
【文章來源】:天津理工大學(xué)天津市
【文章頁數(shù)】:54 頁
【學(xué)位級別】:碩士
【部分圖文】:
物流系統(tǒng)供需平衡圖
第四章 城市物流需求預(yù)測模型構(gòu)建據(jù)。每輸入一個(gè)樣本,樣本輸入數(shù)據(jù)沿著網(wǎng)絡(luò)正向進(jìn)行傳遞,并最終得到一個(gè)實(shí)際網(wǎng)絡(luò)根據(jù)實(shí)際輸出值和期望輸出值的誤差計(jì)算網(wǎng)絡(luò)的總誤差,并根據(jù)這個(gè)數(shù)值和路徑上的權(quán)值和閾值。權(quán)值和閾值的調(diào)整過程通常使用最速下降法,沿著神層反向進(jìn)行調(diào)整的。這個(gè)過程要確保所有的訓(xùn)練樣本都已完成訓(xùn)練。3.判斷 BP 神經(jīng)網(wǎng)絡(luò)是否訓(xùn)練完成而在網(wǎng)絡(luò)訓(xùn)練過程中,如果計(jì)算得到的誤差值滿足初始化設(shè)定的誤差精度要求訓(xùn)練次數(shù)達(dá)到初始化設(shè)定的最大訓(xùn)練次數(shù),則終止訓(xùn)練,網(wǎng)絡(luò)構(gòu)建完成。4.BP 網(wǎng)絡(luò)仿真預(yù)測由于 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程會(huì)存在較大的隨機(jī)性,因此本文在誤差為 0.00065點(diǎn)個(gè)數(shù)為 8 個(gè)的情況下進(jìn)行了 50 次訓(xùn)練,并從中選取了誤差最小的一次,此個(gè)數(shù)為 8 個(gè)。把 2015-2016 年物流需求預(yù)測指標(biāo)的值輸入此網(wǎng)絡(luò)進(jìn)行仿真訓(xùn)練015 年、2016 年的結(jié)果分別為 49694 和 49926,與實(shí)際結(jié)果的誤差值分別為-34,誤差率絕對值分別為 6.55%,3.21%,平均誤差為 4.88%。
圖 4-4 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測圖Figure 4-4 BP neural network prediction map片來源:Matlab 繪制.4.2 基于 Arima 時(shí)間序列的物流需求預(yù)測模型本例中使用 SPSS 軟件進(jìn)行自相關(guān)分析和預(yù)測模型構(gòu)建。由于本研究中使用的數(shù)為年度數(shù)據(jù),不需要考慮季節(jié)性的影響,因此在本例中所要使用的 Arima 模型只需,d,p 三個(gè)參數(shù)。時(shí)間序列預(yù)測模塊的自相關(guān)分析是指通過對比分析自相關(guān)系數(shù)和關(guān)系數(shù)來確定時(shí)間序列的特性,并可以從相關(guān)圖中直觀判斷。在本例中,時(shí)間變量期趨勢時(shí)間序列,因而可以通過一階差分將該序列轉(zhuǎn)化為平穩(wěn)序列,同時(shí)將參數(shù) d為 1;然后再做出自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖來判斷其他兩個(gè)參數(shù) p 和 q。根相關(guān)和偏自相關(guān)函數(shù)圖發(fā)現(xiàn),自相關(guān)函數(shù)和偏自相關(guān)函數(shù)分別為 1 步和 2 步截尾,過白噪聲檢驗(yàn),因而可分別設(shè)置 p 為 1,q 為 2,最終三個(gè)參數(shù)分別確為 d=l,p=1 =2。在完成上一步,確定所有參數(shù)后創(chuàng)建新的模型,在方法選項(xiàng)中選擇 Arima 方法后將 p,d,q 的值輸入模型,對參數(shù)進(jìn)行檢驗(yàn)并計(jì)算預(yù)測值。模型擬合結(jié)果及預(yù)測
【參考文獻(xiàn)】:
期刊論文
[1]基于模糊綜合評價(jià)法的農(nóng)民工創(chuàng)業(yè)風(fēng)險(xiǎn)評價(jià)研究[J]. 呂惠明,王亞南. 寧波大學(xué)學(xué)報(bào)(人文科學(xué)版). 2018(06)
[2]基于模糊層次綜合評價(jià)法的工程項(xiàng)目質(zhì)量控制研究[J]. 張景煜,張玉騰. 價(jià)值工程. 2018(34)
[3]基于模糊綜合評價(jià)法的浙江省高速公路暴雨災(zāi)害風(fēng)險(xiǎn)評估[J]. 顧婷婷,鄧闖,潘婭英,魏晨. 干旱氣象. 2018(05)
[4]基于模糊綜合評價(jià)法的中小水利水電工程施工質(zhì)量評價(jià)[J]. 孫媛媛. 黑龍江水利科技. 2018(10)
[5]我國科技投入與三次產(chǎn)業(yè)間灰色關(guān)聯(lián)度的結(jié)構(gòu)性差異研究[J]. 董永亮,王躍,戴騰輝. 中國物價(jià). 2018(10)
[6]基于Cov-AHP-模糊綜合評價(jià)法的PPP項(xiàng)目風(fēng)險(xiǎn)評價(jià)研究[J]. 劉曉偉,韓穎. 遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[7]淮河流域安徽段水環(huán)境健康風(fēng)險(xiǎn)模糊綜合評價(jià)[J]. 吳轉(zhuǎn)璋,耿天召. 安徽農(nóng)業(yè)科學(xué). 2018(27)
[8]基于模糊綜合評價(jià)的地形數(shù)據(jù)更新質(zhì)量評定研究[J]. 吳守來,王麗欣,吳瓊. 測繪與空間地理信息. 2018(09)
[9]基于模糊綜合評價(jià)法對江蘇省教育質(zhì)量的研究[J]. 何良杰,戴正本,時(shí)自亮. 赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(09)
[10]模糊綜合評價(jià)在武漢市中深層地?zé)峥碧斤L(fēng)險(xiǎn)評價(jià)中的應(yīng)用[J]. 江越瀟,?(qiáng),于瑤,范威,蘇呈. 資源環(huán)境與工程. 2018(04)
博士論文
[1]生態(tài)文明視野下的區(qū)域物流發(fā)展研究[D]. 鄭國詵.福建師范大學(xué) 2013
碩士論文
[1]江西省農(nóng)村物流需求的影響因素與預(yù)測研究[D]. 虢芳.華東交通大學(xué) 2018
[2]基于遺傳神經(jīng)網(wǎng)絡(luò)的城市圈物流需求預(yù)測[D]. 夏建民.江西師范大學(xué) 2017
[3]河南省農(nóng)村物流需求預(yù)測與影響因素分析[D]. 夏重陽.河南農(nóng)業(yè)大學(xué) 2013
[4]經(jīng)濟(jì)全球化下我國港口物流發(fā)展研究[D]. 劉寶成.河北師范大學(xué) 2011
[5]物流量預(yù)測方法研究[D]. 王小忠.武漢理工大學(xué) 2005
[6]區(qū)域經(jīng)濟(jì)和區(qū)域物流需求的預(yù)測研究[D]. 楊浩.對外經(jīng)濟(jì)貿(mào)易大學(xué) 2005
本文編號:3467925
【文章來源】:天津理工大學(xué)天津市
【文章頁數(shù)】:54 頁
【學(xué)位級別】:碩士
【部分圖文】:
物流系統(tǒng)供需平衡圖
第四章 城市物流需求預(yù)測模型構(gòu)建據(jù)。每輸入一個(gè)樣本,樣本輸入數(shù)據(jù)沿著網(wǎng)絡(luò)正向進(jìn)行傳遞,并最終得到一個(gè)實(shí)際網(wǎng)絡(luò)根據(jù)實(shí)際輸出值和期望輸出值的誤差計(jì)算網(wǎng)絡(luò)的總誤差,并根據(jù)這個(gè)數(shù)值和路徑上的權(quán)值和閾值。權(quán)值和閾值的調(diào)整過程通常使用最速下降法,沿著神層反向進(jìn)行調(diào)整的。這個(gè)過程要確保所有的訓(xùn)練樣本都已完成訓(xùn)練。3.判斷 BP 神經(jīng)網(wǎng)絡(luò)是否訓(xùn)練完成而在網(wǎng)絡(luò)訓(xùn)練過程中,如果計(jì)算得到的誤差值滿足初始化設(shè)定的誤差精度要求訓(xùn)練次數(shù)達(dá)到初始化設(shè)定的最大訓(xùn)練次數(shù),則終止訓(xùn)練,網(wǎng)絡(luò)構(gòu)建完成。4.BP 網(wǎng)絡(luò)仿真預(yù)測由于 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程會(huì)存在較大的隨機(jī)性,因此本文在誤差為 0.00065點(diǎn)個(gè)數(shù)為 8 個(gè)的情況下進(jìn)行了 50 次訓(xùn)練,并從中選取了誤差最小的一次,此個(gè)數(shù)為 8 個(gè)。把 2015-2016 年物流需求預(yù)測指標(biāo)的值輸入此網(wǎng)絡(luò)進(jìn)行仿真訓(xùn)練015 年、2016 年的結(jié)果分別為 49694 和 49926,與實(shí)際結(jié)果的誤差值分別為-34,誤差率絕對值分別為 6.55%,3.21%,平均誤差為 4.88%。
圖 4-4 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測圖Figure 4-4 BP neural network prediction map片來源:Matlab 繪制.4.2 基于 Arima 時(shí)間序列的物流需求預(yù)測模型本例中使用 SPSS 軟件進(jìn)行自相關(guān)分析和預(yù)測模型構(gòu)建。由于本研究中使用的數(shù)為年度數(shù)據(jù),不需要考慮季節(jié)性的影響,因此在本例中所要使用的 Arima 模型只需,d,p 三個(gè)參數(shù)。時(shí)間序列預(yù)測模塊的自相關(guān)分析是指通過對比分析自相關(guān)系數(shù)和關(guān)系數(shù)來確定時(shí)間序列的特性,并可以從相關(guān)圖中直觀判斷。在本例中,時(shí)間變量期趨勢時(shí)間序列,因而可以通過一階差分將該序列轉(zhuǎn)化為平穩(wěn)序列,同時(shí)將參數(shù) d為 1;然后再做出自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖來判斷其他兩個(gè)參數(shù) p 和 q。根相關(guān)和偏自相關(guān)函數(shù)圖發(fā)現(xiàn),自相關(guān)函數(shù)和偏自相關(guān)函數(shù)分別為 1 步和 2 步截尾,過白噪聲檢驗(yàn),因而可分別設(shè)置 p 為 1,q 為 2,最終三個(gè)參數(shù)分別確為 d=l,p=1 =2。在完成上一步,確定所有參數(shù)后創(chuàng)建新的模型,在方法選項(xiàng)中選擇 Arima 方法后將 p,d,q 的值輸入模型,對參數(shù)進(jìn)行檢驗(yàn)并計(jì)算預(yù)測值。模型擬合結(jié)果及預(yù)測
【參考文獻(xiàn)】:
期刊論文
[1]基于模糊綜合評價(jià)法的農(nóng)民工創(chuàng)業(yè)風(fēng)險(xiǎn)評價(jià)研究[J]. 呂惠明,王亞南. 寧波大學(xué)學(xué)報(bào)(人文科學(xué)版). 2018(06)
[2]基于模糊層次綜合評價(jià)法的工程項(xiàng)目質(zhì)量控制研究[J]. 張景煜,張玉騰. 價(jià)值工程. 2018(34)
[3]基于模糊綜合評價(jià)法的浙江省高速公路暴雨災(zāi)害風(fēng)險(xiǎn)評估[J]. 顧婷婷,鄧闖,潘婭英,魏晨. 干旱氣象. 2018(05)
[4]基于模糊綜合評價(jià)法的中小水利水電工程施工質(zhì)量評價(jià)[J]. 孫媛媛. 黑龍江水利科技. 2018(10)
[5]我國科技投入與三次產(chǎn)業(yè)間灰色關(guān)聯(lián)度的結(jié)構(gòu)性差異研究[J]. 董永亮,王躍,戴騰輝. 中國物價(jià). 2018(10)
[6]基于Cov-AHP-模糊綜合評價(jià)法的PPP項(xiàng)目風(fēng)險(xiǎn)評價(jià)研究[J]. 劉曉偉,韓穎. 遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[7]淮河流域安徽段水環(huán)境健康風(fēng)險(xiǎn)模糊綜合評價(jià)[J]. 吳轉(zhuǎn)璋,耿天召. 安徽農(nóng)業(yè)科學(xué). 2018(27)
[8]基于模糊綜合評價(jià)的地形數(shù)據(jù)更新質(zhì)量評定研究[J]. 吳守來,王麗欣,吳瓊. 測繪與空間地理信息. 2018(09)
[9]基于模糊綜合評價(jià)法對江蘇省教育質(zhì)量的研究[J]. 何良杰,戴正本,時(shí)自亮. 赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(09)
[10]模糊綜合評價(jià)在武漢市中深層地?zé)峥碧斤L(fēng)險(xiǎn)評價(jià)中的應(yīng)用[J]. 江越瀟,?(qiáng),于瑤,范威,蘇呈. 資源環(huán)境與工程. 2018(04)
博士論文
[1]生態(tài)文明視野下的區(qū)域物流發(fā)展研究[D]. 鄭國詵.福建師范大學(xué) 2013
碩士論文
[1]江西省農(nóng)村物流需求的影響因素與預(yù)測研究[D]. 虢芳.華東交通大學(xué) 2018
[2]基于遺傳神經(jīng)網(wǎng)絡(luò)的城市圈物流需求預(yù)測[D]. 夏建民.江西師范大學(xué) 2017
[3]河南省農(nóng)村物流需求預(yù)測與影響因素分析[D]. 夏重陽.河南農(nóng)業(yè)大學(xué) 2013
[4]經(jīng)濟(jì)全球化下我國港口物流發(fā)展研究[D]. 劉寶成.河北師范大學(xué) 2011
[5]物流量預(yù)測方法研究[D]. 王小忠.武漢理工大學(xué) 2005
[6]區(qū)域經(jīng)濟(jì)和區(qū)域物流需求的預(yù)測研究[D]. 楊浩.對外經(jīng)濟(jì)貿(mào)易大學(xué) 2005
本文編號:3467925
本文鏈接:http://sikaile.net/jingjilunwen/jingjiguanlilunwen/3467925.html
最近更新
教材專著