【摘要】：貨運(yùn)量預(yù)測(cè)是制定物流政策和決定物流基礎(chǔ)設(shè)施布局的重要依據(jù).針對(duì)受多因素影響的貨運(yùn)量預(yù)測(cè)具備較強(qiáng)非線性和模糊性特征,提出一種基于趨勢(shì)分解和小波變換的多重"分解—集成"預(yù)測(cè)方法.利用趨勢(shì)分解將貨運(yùn)量分解為趨勢(shì)項(xiàng)和非趨勢(shì)項(xiàng),通過小波分解將非趨勢(shì)項(xiàng)進(jìn)一步分解成低頻項(xiàng)和高頻項(xiàng),分別建立預(yù)測(cè)模型,選用相加集成得到貨運(yùn)量預(yù)測(cè)值.實(shí)證表明,"分解—集成"的預(yù)測(cè)策略將非平穩(wěn)貨運(yùn)量分解為相對(duì)平穩(wěn)的子序列組合,降低了問題復(fù)雜度,有效提高了預(yù)測(cè)性能,與傳統(tǒng)的趨勢(shì)分解預(yù)測(cè)模型和小波分解預(yù)測(cè)模型相比,多重"分解—集成"預(yù)測(cè)模型精度更高.
[Abstract]:Freight volume prediction is an important basis for making logistics policy and deciding the layout of logistics infrastructure. In view of the strong nonlinearity and fuzziness of freight volume prediction affected by many factors, a multi-multiple "decomposition-integration" forecasting method based on trend decomposition and wavelet transform is proposed. The freight volume is decomposed into trend term and non-trend term by trend decomposition. The non-trend term is further decomposed into low frequency term and high frequency term by wavelet decomposition. The empirical results show that the "decomposition-integration" forecasting strategy decomposes the non-stationary cargo volume into relatively stationary sub-series combination, reduces the complexity of the problem, and effectively improves the prediction performance. Compared with the traditional trend decomposition prediction model and the wavelet decomposition prediction model, the multiple "decomposition-integration" prediction model has higher precision.
【作者單位】： 湖北經(jīng)濟(jì)學(xué)院物流與工程管理學(xué)院;武漢理工大學(xué)物流工程學(xué)院;
【基金】：國家社會(huì)科學(xué)基金項(xiàng)目(14BJY139) 國家自然科學(xué)基金項(xiàng)目(51175394) 湖北省教育廳人文社科(2012Q099) 湖北物流發(fā)展研究中心資助項(xiàng)目(2014A03)
【分類號(hào)】：F512;F259.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 李聰;楊德平;孫海濤;;基于EMD與BP神經(jīng)網(wǎng)絡(luò)的中國股票指數(shù)期貨價(jià)格預(yù)測(cè)[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

2 丁恒;鄭小燕;劉燕;陳無畏;;基于小波分析的隨機(jī)交通流組合預(yù)測(cè)方法研究[J];系統(tǒng)仿真學(xué)報(bào);2012年02期

3 張華;任若恩;;基于小波分解和殘差GM(1,1)-AR的非平穩(wěn)時(shí)間序列預(yù)測(cè)[J];系統(tǒng)工程理論與實(shí)踐;2010年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王翠翠;魏永霞;;基于GM(1,1)-AR模型和AR模型的黑土區(qū)坡耕地土壤水分預(yù)測(cè)[J];灌溉排水學(xué)報(bào);2014年Z1期

2 梁昌勇;馬銀超;陳榮;梁焱;;基于SVR-ARMA組合模型的日旅游需求預(yù)測(cè)[J];管理工程學(xué)報(bào);2015年01期

3 張貴杰;任永泰;王福林;付強(qiáng);;非平穩(wěn)時(shí)間序列分析的WAVELET—改進(jìn)GM(1,1)組合方法及其應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2012年01期

4 楊超;劉喜華;;基于小波分析和BP神經(jīng)網(wǎng)絡(luò)的股指期貨價(jià)格預(yù)測(cè)[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

5 徐麗莎;錢曉山;陽春華;;結(jié)合GM(1,1)和LSSVM的多效蒸發(fā)過程參數(shù)預(yù)測(cè)[J];智能系統(tǒng)學(xué)報(bào);2012年05期

6 李海林;郭崇慧;;基于多維形態(tài)特征表示的時(shí)間序列相似性度量[J];系統(tǒng)工程理論與實(shí)踐;2013年04期

7 朱莎;劉曉;;小波分析和支持向量機(jī)組合法預(yù)測(cè)應(yīng)急血液需求研究[J];中國安全科學(xué)學(xué)報(bào);2013年05期

8 肖維維;欒衛(wèi)軍;彭思龍;;基于三階線性微分算子的零空間追蹤算法[J];系統(tǒng)工程理論與實(shí)踐;2013年05期

9 周博;嚴(yán)洪森;;基于小波和多維泰勒網(wǎng)動(dòng)力學(xué)模型的金融時(shí)間序列預(yù)測(cè)[J];系統(tǒng)工程理論與實(shí)踐;2013年10期

10 張大斌;李紅燕;劉肖;張文生;;非線性時(shí)間序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測(cè)方法[J];中國管理科學(xué);2013年S2期

相關(guān)會(huì)議論文 前2條

1 張大斌;李紅燕;劉肖;張文生;;非線性時(shí)問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測(cè)方法[A];第十五屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集（下）[C];2013年

2 羅黨;韋保磊;;基于小波和組合模型的非平穩(wěn)時(shí)間序列預(yù)測(cè)[A];第25屆全國灰色系統(tǒng)會(huì)議論文集[C];2014年

相關(guān)碩士學(xué)位論文 前10條

1 王紹麗;基于集成模型的燒結(jié)礦質(zhì)量預(yù)測(cè)系統(tǒng)及工業(yè)應(yīng)用[D];中南大學(xué);2011年

2 張貴杰;哈爾濱市區(qū)需水量預(yù)測(cè)研究[D];東北農(nóng)業(yè)大學(xué);2012年

3 張?chǎng)?基于灰理論的中國股票市場(chǎng)短期組合預(yù)測(cè)建模研究[D];武漢理工大學(xué);2012年

4 吳漢;短時(shí)交通流預(yù)測(cè)及路徑選擇問題的研究[D];浙江大學(xué);2013年

5 付曉波;經(jīng)驗(yàn)?zāi)B(tài)分解法理論研究與應(yīng)用[D];太原理工大學(xué);2013年

6 陳野;基于分?jǐn)?shù)階累加生成的短時(shí)交通流預(yù)測(cè)模型研究[D];武漢理工大學(xué);2013年

7 侯寶燕;基于組合預(yù)測(cè)法的營(yíng)口港物流需求預(yù)測(cè)研究[D];大連交通大學(xué);2013年

8 尚s，

本文編號(hào)：2196012