本文關(guān)鍵詞：基于DTRS-SVM模型的廣東省物流需求預(yù)測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：對區(qū)域物流的需求進行預(yù)測是區(qū)域經(jīng)濟與物流管理規(guī)劃中的重點,也是對區(qū)域經(jīng)濟和物流活動進行規(guī)劃的前提。區(qū)域物流需求量預(yù)測的結(jié)果可以影響物流基礎(chǔ)建設(shè)、交通網(wǎng)絡(luò)的布局以及當?shù)匚锪髌髽I(yè)未來的發(fā)展,所以說區(qū)域物流需求的預(yù)測是物流發(fā)展的前提。通過區(qū)域物流需求的預(yù)測,可以及時的了解當?shù)亟?jīng)濟活動中的物流需求量,進而可以通過預(yù)測到的物流活動需求量及時的滿足當?shù)亟?jīng)濟活動中的物流需求,保證了物流服務(wù)與需求的平衡,使當?shù)亟?jīng)濟建設(shè)與物流協(xié)調(diào)性發(fā)展,保持一種比較高的效率。國內(nèi)外關(guān)于物流需求預(yù)測的論文有很多,每一位學(xué)者都運用了不同的模型方法來對當?shù)氐奈锪餍枨罅窟M行預(yù)測,其中對貨運量和貨運周轉(zhuǎn)量的預(yù)測最多。最早的預(yù)測方法是移動平均、增長率、灰色模型、隨機時間序列模型等,這些方法大部分出現(xiàn)在最早的研究當中,單一的建模方法很難對物流需求量有較為準確的預(yù)測,預(yù)測精度比較差,所以現(xiàn)在的研究中,大部分預(yù)測方法都要結(jié)合其他更先進的模型。近些年,更多學(xué)者開始使用機器學(xué)習(xí)的模型,通過考慮因變量與影響因素的關(guān)系,通過歷史數(shù)據(jù)與機器學(xué)習(xí)的結(jié)合推導(dǎo)出相對更加準確的變化趨勢,最常用的模型是神經(jīng)網(wǎng)絡(luò)模型與支持向量機模型。本文在研究國內(nèi)外學(xué)者對于該問題研究成果的基礎(chǔ)上,首先總結(jié)了當前研究當中存在的問題；然后對區(qū)域物流的概念以及特點進行了歸納和總結(jié),分析了物流需求預(yù)測的內(nèi)容以及步驟；其次,分析了影響物流需求的主要因素,并且從經(jīng)濟總量、產(chǎn)業(yè)結(jié)構(gòu)和當?shù)鼐用竦南M水平等幾個方面構(gòu)建了一個適合于本文的預(yù)測指標體系；再次,本文通過詳細的講解決策粗糙集理論,將其中的屬性約簡算法引入本文的預(yù)測模型,目的在于剔除冗余屬性,優(yōu)化預(yù)測模型；接著,本文講解了支持向量機理論及模型,并通過遺傳算法對其核函數(shù)的參數(shù)進行優(yōu)化,在屬性約簡的基礎(chǔ)之上,進一步的提高了預(yù)測的精度；最后,利用本文建立好的模型,在MATLAB軟件上對廣東省物流需求進行了預(yù)測,通過對比屬性約簡前后和參數(shù)優(yōu)化前后的回歸效果,證明了本文的模型相比單一支持向量機回歸模型的有效性和可行性,為區(qū)域物流需求預(yù)測提供了新的思路和方法。
【關(guān)鍵詞】：區(qū)域物流 需求預(yù)測 屬性約簡 支持向量機 遺傳算法
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F259.27
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-10
• Contents10-13
• 第一章 緒論13-27
• 1.1 研究背景及意義13-15
• 1.1.1 研究背景13-14
• 1.1.2 研究意義14-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-23
• 1.2.1 國內(nèi)外區(qū)域物流研究現(xiàn)狀15-16
• 1.2.2 國內(nèi)外區(qū)域物流需求預(yù)測研究現(xiàn)狀16-21
• 1.2.3 目前研究中存在的問題21-23
• 1.3 研究內(nèi)容及方法23-27
• 1.3.1 研究目標23
• 1.3.2 研究內(nèi)容23-24
• 1.3.3 擬解決的關(guān)鍵問題24-25
• 1.3.4 研究方法25-26
• 1.3.5 主要創(chuàng)新點26
• 1.3.6 技術(shù)路線26-27
• 第二章 區(qū)域物流需求預(yù)測分析27-35
• 2.1 區(qū)域物流27-29
• 2.1.1 物流的起源及概念27-28
• 2.1.2 區(qū)域物流的概念28-29
• 2.1.3 區(qū)域物流主要特征29
• 2.2 需求和預(yù)測29-31
• 2.2.1 需求的定義和特點29-30
• 2.2.2 預(yù)測的原理30-31
• 2.2.3 預(yù)測分類31
• 2.3 物流供給與需求31-33
• 2.3.1 物流供需的定義31-32
• 2.3.2 物流需求的特點32
• 2.3.3 物流供需的影響因素32-33
• 2.4 區(qū)域物流需求33-34
• 2.4.1 區(qū)域物流需求概念33
• 2.4.2 區(qū)域物流需求預(yù)測的概念33-34
• 2.4.3 區(qū)域物流需求預(yù)測步驟34
• 2.5 小結(jié)34-35
• 第三章 預(yù)測指標體系的建立35-39
• 3.1 預(yù)測指標的選擇原則35-36
• 3.1.1 相關(guān)性原則35
• 3.1.2 衡量的統(tǒng)一性原則35
• 3.1.3 可獲得性35
• 3.1.4 非自相關(guān)性35-36
• 3.2 區(qū)域物流的影響因素36-37
• 3.3 預(yù)測指標的建立37-38
• 3.4 小結(jié)38-39
• 第四章 決策粗糙集理論及屬性約簡39-47
• 4.1 決策粗糙集理論的發(fā)展綜述39-40
• 4.2 決策粗糙集的理論基礎(chǔ)40-43
• 4.2.1 知識及其表達方式40-41
• 4.2.2 決策粗糙集的概念和運算41-43
• 4.3 屬性約簡理論43-44
• 4.4 基于差別矩陣屬性約簡算法44-45
• 4.5 本章小結(jié)45-47
• 第五章 支持向量機理論與模型的研究47-58
• 5.1 支持向量機的研究現(xiàn)狀47-48
• 5.2 支持向量機理論48-52
• 5.2.1 經(jīng)驗風(fēng)險最小化理論48-49
• 5.2.2 結(jié)構(gòu)風(fēng)險最小化理論49-50
• 5.2.3 支持向量機理論50-52
• 5.3 支持向量機的回歸理論與算法52-54
• 5.3.1 回歸問題的表述52
• 5.3.2 回歸問題的算法52-54
• 5.4 支持向量機的核函數(shù)54
• 5.5 支持向量機的參數(shù)尋優(yōu)54-55
• 5.6 支持向量機回歸與遺傳算法尋優(yōu)的算法實現(xiàn)55-56
• 5.7 本章小結(jié)56-58
• 第六章 基于DTRS-SVM模型的廣東省物流需求的預(yù)測58-80
• 6.1 廣東省經(jīng)濟與物流發(fā)展概述58-59
• 6.2 DTRS-SVM模型實現(xiàn)的步驟59-60
• 6.3 樣本數(shù)據(jù)獲取及與預(yù)處理60-63
• 6.4 屬性約簡與數(shù)據(jù)標準化63-70
• 6.5 支持向量機預(yù)測模型的實現(xiàn)70-79
• 6.5.1 選擇核函數(shù)70-72
• 6.5.2 檢驗屬性約簡的有效性72-73
• 6.5.3 遺傳算法參數(shù)尋優(yōu)73-79
• 6.6 本章小結(jié)79-80
• 結(jié)論80-82
• 參考文獻82-87
• 攻讀碩士學(xué)位期間發(fā)表的論文87-89
• 致謝8

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 耿波;趙愛文;;灰色預(yù)測在物流需求預(yù)測中的應(yīng)用分析——以徐州地區(qū)為例[J];科技風(fēng);2012年21期

2 高洪波;楊建強;;基于多變量灰色模型算法的物流需求預(yù)測研究[J];物流技術(shù);2013年13期

3 施先亮,張可明;2008年北京奧運賽事物流需求預(yù)測[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2003年10期

4 向軍,楊偉,管衛(wèi)華,王書翰,譚金會;物流需求預(yù)測中周期因素和季節(jié)因素的探討[J];四川工業(yè)學(xué)院學(xué)報;2004年S1期

5 唐振龍;張學(xué)引;;河北現(xiàn)代物流需求預(yù)測分析[J];中國市場;2007年Z2期

6 馮怡;張志勇;徐廣姝;文培娜;;基于粗糙集理論的我國物流需求預(yù)測[J];物流技術(shù);2010年01期

7 李琦;;物流需求預(yù)測中移動平均法應(yīng)用分析[J];中國商貿(mào);2011年02期

8 萬勵;李余琪;吳潔明;;區(qū)域物流需求預(yù)測的應(yīng)用研究[J];微電子學(xué)與計算機;2011年09期

9 吳潔明;李余琪;萬勵;;物流需求預(yù)測算法的仿真研究[J];計算機仿真;2011年09期

10 耿立艷;趙鵬;張占福;;基于二階振蕩微粒群最小二乘支持向量機的物流需求預(yù)測[J];計算機應(yīng)用研究;2012年07期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 胡常偉;陳新;陳新度;;多品種小批量產(chǎn)品分銷中的物流需求預(yù)測方法[A];全國生產(chǎn)工程第九屆年會暨第四屆青年科技工作者學(xué)術(shù)會議論文集（二）[C];2004年

2 史磊;李江宏;李智鵬;;烏魯木齊市物流需求預(yù)測研究[A];地理學(xué)核心問題與主線——中國地理學(xué)會2011年學(xué)術(shù)年會暨中國科學(xué)院新疆生態(tài)與地理研究所建所五十年慶典論文摘要集[C];2011年

3 袁麗娜;周建勤;;基于滑動平均-灰色模型的物流需求預(yù)測研究[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[C];2012年

4 陳德良;王文科;;湖南省物流需求預(yù)測[A];《兩型社會建設(shè)與湖南管理創(chuàng)新》論壇論文集[C];2008年

5 劉洪霞;鹿應(yīng)榮;;非線性預(yù)測模型在糧食物流需求預(yù)測中的應(yīng)用[A];農(nóng)業(yè)系統(tǒng)工程理論與實踐研究——全國農(nóng)業(yè)系統(tǒng)工程學(xué)術(shù)研討會論文集[C];2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳云飛;物流需求預(yù)測在M公司的應(yīng)用研究[D];蘇州大學(xué);2014年

2 黃麗;隨機時間序列模型在物流需求預(yù)測中的應(yīng)用[D];武漢大學(xué);2004年

3 李自立;基于支持向量機的區(qū)域物流需求預(yù)測研究[D];武漢科技大學(xué);2009年

4 黃永福;重慶市物流需求預(yù)測方法及應(yīng)用研究[D];重慶交通大學(xué);2009年

5 李娟;區(qū)域經(jīng)濟關(guān)聯(lián)視角下河北省物流需求預(yù)測研究[D];燕山大學(xué);2014年

6 何霞;基于灰色系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的省級區(qū)域物流需求預(yù)測[D];長沙理工大學(xué);2009年

7 文培娜;基于人工神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測及實證研究[D];北京物資學(xué)院;2010年

8 劉海波;赤峰市物流需求預(yù)測研究[D];吉林大學(xué);2012年

9 萬福來;天津港物流需求預(yù)測和物流發(fā)展策略研究[D];天津大學(xué);2012年

10 余牛;基于組合預(yù)測法的城市物流需求預(yù)測研究[D];武漢科技大學(xué);2011年

  本文關(guān)鍵詞：基于DTRS-SVM模型的廣東省物流需求預(yù)測研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：391223