基于DTRS-SVM模型的廣東省物流需求預(yù)測(cè)研究.pdf

1、分類(lèi)號(hào)：UDC：密級(jí)：學(xué)校代號(hào)：11845學(xué)號(hào)：2111208019廣東工業(yè)大學(xué)碩士學(xué)位論文(工程碩士)基于DTRS—SVM模型的廣東省物流需求預(yù)測(cè)研究黃鑫指導(dǎo)教師姓名、職稱(chēng)：學(xué)科專(zhuān)業(yè)或領(lǐng)域名稱(chēng)：學(xué)生所屬學(xué)院：論文答辯日期：鮭噬這量』塾援塑速工程笪理堂醫(yī)至Q!墨生互旦摘要摘要對(duì)區(qū)域物流的需求進(jìn)行預(yù)測(cè)是區(qū)域經(jīng)濟(jì)與物流管理規(guī)劃中的重點(diǎn)，也是對(duì)區(qū)域經(jīng)濟(jì)和物流活動(dòng)進(jìn)行規(guī)劃的前提。區(qū)域物流需求量預(yù)測(cè)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(dāng)

2、地物流企業(yè)未來(lái)的發(fā)展，所以說(shuō)區(qū)域物流需求的預(yù)測(cè)是物流發(fā)展的前提。通過(guò)區(qū)域物流需求的預(yù)測(cè)，可以及時(shí)的了解當(dāng)?shù)亟?jīng)濟(jì)活動(dòng)中的物流需求量，進(jìn)而可以通過(guò)預(yù)測(cè)到的物流活動(dòng)需求量及時(shí)的滿足當(dāng)?shù)亟?jīng)濟(jì)活動(dòng)中的物流需求，保證了物流服務(wù)與需求的平衡，使當(dāng)?shù)亟?jīng)濟(jì)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(guó)內(nèi)外關(guān)于物流需求預(yù)測(cè)的論文有很多，每一位學(xué)者都運(yùn)用了不同的模型方法來(lái)對(duì)當(dāng)?shù)氐奈锪餍枨罅窟M(jìn)行預(yù)測(cè)，其中對(duì)貨運(yùn)量和貨運(yùn)周轉(zhuǎn)量的預(yù)測(cè)最多。最早的預(yù)測(cè)方法是移動(dòng)平均

3、、增長(zhǎng)率、灰色模型、隨機(jī)時(shí)間序列模型等，這些方法大部分出現(xiàn)在最早的研究當(dāng)中，單一的建模方法很難對(duì)物流需求量有較為準(zhǔn)確的預(yù)測(cè)，預(yù)測(cè)精度比較差，所以現(xiàn)在的研究中，大部分預(yù)測(cè)方法都要結(jié)合其他更先進(jìn)的模型。近些年，更多學(xué)者開(kāi)始使用機(jī)器學(xué)習(xí)的模型，通過(guò)考慮因變量與影響因素的關(guān)系，通過(guò)歷史數(shù)據(jù)與機(jī)器學(xué)習(xí)的結(jié)合推導(dǎo)出相對(duì)更加準(zhǔn)確的變化趨勢(shì)，最常用的模型是神經(jīng)網(wǎng)絡(luò)模型與支持向量機(jī)模型。本文在研究國(guó)內(nèi)外學(xué)者對(duì)于該問(wèn)題研究成果的基礎(chǔ)上，首先總結(jié)了當(dāng)前研究當(dāng)

4、中存在的問(wèn)題；然后對(duì)區(qū)域物流的概念以及特點(diǎn)進(jìn)行了歸納和總結(jié)，分析了物流需求預(yù)測(cè)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(jì)總量、產(chǎn)業(yè)結(jié)構(gòu)和當(dāng)?shù)鼐用竦南M(fèi)水平等幾個(gè)方面構(gòu)建了一個(gè)適合于本文的預(yù)測(cè)指標(biāo)體系；再次，本文通過(guò)詳細(xì)的講解決策粗糙集理論，將其中的屬性約簡(jiǎn)算法引入本文的預(yù)測(cè)模型，目的在于剔除冗余屬性，優(yōu)化預(yù)測(cè)模型；接著，本文講解了支持向量機(jī)理論及模型，并通過(guò)遺傳算法對(duì)其核函數(shù)的參數(shù)進(jìn)行優(yōu)化，在屬性約簡(jiǎn)的基礎(chǔ)之上，進(jìn)一