本文關(guān)鍵詞： 支持向量機(jī) 高速公路 物流量預(yù)測(cè) 區(qū)域劃分　出處：《昆明理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著世界經(jīng)濟(jì)環(huán)境的不斷改善,經(jīng)濟(jì)全球化浪潮的不斷沖擊,我國在世界環(huán)境中扮演的角色也變得越來越重要。經(jīng)濟(jì)的快速發(fā)展帶動(dòng)了我國產(chǎn)業(yè)體系的不斷完善,新興的物流產(chǎn)業(yè)也開始了蓬勃發(fā)展,物流的概念和未來的發(fā)展已經(jīng)悄然地成為全球經(jīng)濟(jì)體制發(fā)展的重要專注點(diǎn)和一種新的經(jīng)濟(jì)增速方式,是一個(gè)國家和地方經(jīng)濟(jì)綜合實(shí)力的重要體現(xiàn)。物流技術(shù)的應(yīng)用已經(jīng)融入到了各個(gè)領(lǐng)域,各個(gè)政府和地區(qū)的部門都積極投入到物流基礎(chǔ)設(shè)施的建設(shè)中去,公路運(yùn)輸是物流產(chǎn)業(yè)得以快速發(fā)展的主要方式。因此,高速公路物流量的研究也隨之展開。本文的內(nèi)容主要是針對(duì)高速公路的物流量預(yù)測(cè)進(jìn)行研究。首先,通過對(duì)現(xiàn)階段高速公路物流量預(yù)測(cè)方法進(jìn)行了系統(tǒng)的梳理,總結(jié)不同預(yù)測(cè)模型存在的優(yōu)缺點(diǎn),并利用相關(guān)數(shù)據(jù)進(jìn)行了模型精確度的對(duì)比。通過實(shí)驗(yàn)結(jié)果可以得出,在針對(duì)物流量的預(yù)測(cè)方面,支持向量機(jī)預(yù)測(cè)模型具有更高的準(zhǔn)確性。其次,詳細(xì)介紹了支持向量機(jī)預(yù)測(cè)模型的原理和步驟,描述了其數(shù)學(xué)算法的過程。結(jié)合物流量預(yù)測(cè)的具體情況,提出了構(gòu)建基于支持向量機(jī)的物流量預(yù)測(cè)模型,對(duì)區(qū)域的物流量進(jìn)行預(yù)測(cè)分析。再次,通過對(duì)高速公路所在區(qū)域的物流量特點(diǎn)研究之后,構(gòu)建了物流量的區(qū)域劃分模型,從而對(duì)某一條高速公路的物流量進(jìn)行精確預(yù)測(cè),并利用車流量的數(shù)據(jù)對(duì)區(qū)域劃分模型進(jìn)行調(diào)節(jié)修正。由物流量預(yù)測(cè)模型和區(qū)域劃分模型兩部分組合成新的基于支持機(jī)的高速公路物流量預(yù)測(cè)模型,提出了減少預(yù)測(cè)誤差、提高預(yù)測(cè)結(jié)果可信度的方法。最后以昆明市嵩昆高速公路為例,利用構(gòu)建好的高速公路物流量預(yù)測(cè)模型進(jìn)行了實(shí)例研究,對(duì)嵩昆高速公路的客運(yùn)量和貨運(yùn)量進(jìn)行預(yù)測(cè),得到未來的物流量數(shù)據(jù)。由于目前針對(duì)某一條高速公路物流量的研究還沒有有效的展開。通過本文的研究,提出基于支持向量機(jī)的高速公路物流量預(yù)測(cè)模型,旨在為將來人們?cè)陉P(guān)于高速公路的物流量預(yù)測(cè)方面提供一個(gè)新的思路。
[Abstract]:With the continuous improvement of the world economic environment and the constant impact of the wave of economic globalization, the role of our country in the world environment has become more and more important. The emerging logistics industry has also begun to flourish. The concept of logistics and its future development have quietly become an important focus point for the development of the global economic system and a new way of economic growth. It is an important embodiment of the comprehensive strength of a country and a local economy. The application of logistics technology has been integrated into various fields, and various government and regional departments have actively invested in the construction of logistics infrastructure. Highway transportation is the main way for the logistics industry to develop rapidly. Therefore, the research of expressway logistics flow is also carried out. This paper summarizes the advantages and disadvantages of different forecasting models, and compares the accuracy of the models with the relevant data. Support vector machine (SVM) forecasting model is more accurate in the aspect of material flow prediction. Secondly, the principle and steps of SVM prediction model are introduced in detail. This paper describes the process of its mathematical algorithm. Combined with the specific situation of the logistics prediction, the paper puts forward a logistics forecasting model based on support vector machine to predict and analyze the region's mass flow. Based on the study of the characteristics of the regional mass flow of the expressway, a regional division model of the flow of goods is constructed, which can accurately predict the flow of a certain expressway. Using the traffic flow data to adjust and modify the area division model, the paper combines the two parts of the material flow prediction model and the area partition model to form a new highway logistics forecasting model based on the support machine, and proposes to reduce the prediction error. Finally, taking Song-Kun Expressway of Kunming City as an example, the paper makes a case study of the constructed expressway material flow forecasting model, and forecasts the passenger and freight volume of Songkun-Kunming Expressway. To get the future material flow data. Because the current research on a certain highway logistics has not been carried out effectively. Through the research of this paper, a support vector machine based expressway mass flow prediction model is proposed. The purpose of this paper is to provide a new way for people to predict the mass flow of freeway in the future.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U492.31

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 焦李成;楊淑媛;劉芳;王士剛;馮志璽;;神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J];計(jì)算機(jī)學(xué)報(bào);2016年08期

2 徐繼偉;張文博;王燾;黃濤;;一種基于遺傳算法的虛擬機(jī)鏡像自適應(yīng)備份策略[J];計(jì)算機(jī)學(xué)報(bào);2016年02期

3 吳曉萍;趙學(xué)靖;喬輝;劉東梅;王志;;基于LASSO-SVM的軟件缺陷預(yù)測(cè)模型研究[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

4 李春錦;閆云聚;;基于支持向量機(jī)的中國石油需求量預(yù)測(cè)研究[J];西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

5 葉林;劉鵬;;基于經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量機(jī)的短期風(fēng)電功率組合預(yù)測(cè)模型[J];中國電機(jī)工程學(xué)報(bào);2011年31期

6 茆美琴;周松林;蘇建徽;;基于脊波神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè)[J];電力系統(tǒng)自動(dòng)化;2011年07期

7 靳引利;;基于交通量演變模式檢索的高速公路交通量預(yù)測(cè)方法[J];公路交通科技;2010年01期

8 胡燕祝;呂宏義;;基于支持向量回歸機(jī)的物流需求預(yù)測(cè)模型研究[J];物流技術(shù);2008年05期

9 丁霄;姜興;李思敏;;基于遺傳算法的寬帶匹配網(wǎng)絡(luò)設(shè)計(jì)[J];桂林電子科技大學(xué)學(xué)報(bào);2006年06期

10 邵壯豐;楊曉偉;吳廣潮;;自適應(yīng)模糊支持向量機(jī)算法[J];計(jì)算機(jī)工程與應(yīng)用;2006年27期

相關(guān)碩士學(xué)位論文 前7條

1 徐苗;廣西制造業(yè)與物流業(yè)協(xié)同發(fā)展研究[D];廣西大學(xué);2014年

2 凌智;基于BP神經(jīng)網(wǎng)絡(luò)的高速公路車流量預(yù)測(cè)研究[D];武漢理工大學(xué);2014年

3 楊雯斌;支持向量機(jī)在大規(guī)模數(shù)據(jù)中的應(yīng)用研究[D];華東理工大學(xué);2013年

4 趙欣欣;昆明鐵路樞紐編組站擴(kuò)能改建研究[D];西南交通大學(xué);2011年

5 胡文凱;高速公路交通量預(yù)測(cè)誤差分析[D];長安大學(xué);2011年

6 魏善冠;基于支持向量機(jī)的高速公路交通量預(yù)測(cè)研究[D];長安大學(xué);2010年

7 宋現(xiàn)震;高速公路對(duì)區(qū)域物流影響研究[D];西南交通大學(xué);2006年

，

本文編號(hào)：1549361