基于改進(jìn)APSO-GRNN的區(qū)域物流需求預(yù)測(cè)研究.pdf

1、隨著經(jīng)濟(jì)一體化，物流在實(shí)現(xiàn)資源優(yōu)化配置中的地位日益重要，區(qū)域物流是區(qū)域經(jīng)濟(jì)的主要構(gòu)成要素。從單個(gè)企業(yè)物流合理化走向區(qū)域物流合理化，是社會(huì)經(jīng)濟(jì)發(fā)展的必然趨勢(shì)。因此，規(guī)劃和建立完善的區(qū)域物流網(wǎng)絡(luò)體系具有十分重要的意義，而區(qū)域物流需求預(yù)測(cè)研究是其中重要的環(huán)節(jié)。 傳統(tǒng)的物流需求量預(yù)測(cè)方法對(duì)物流需求量與預(yù)測(cè)影響因素的高度非線性無(wú)法辨識(shí)，對(duì)于一些模糊等不確定性因素?zé)o法處理，造成預(yù)測(cè)結(jié)果的嚴(yán)重失真的問(wèn)題。運(yùn)用廣義回歸神經(jīng)網(wǎng)絡(luò)（Generali

2、zed Regression Neural Network，GRNN）來(lái)構(gòu)建預(yù)測(cè)模型，泛化性能良好，在逼近能力、分類能力和學(xué)習(xí)速度上有著較強(qiáng)的優(yōu)勢(shì)，具有很強(qiáng)的非線性擬合能力等優(yōu)點(diǎn)，適合用于預(yù)測(cè)分析。但廣義回歸神經(jīng)網(wǎng)絡(luò)的唯一調(diào)節(jié)參數(shù)-平滑因子難以確定，其值對(duì)網(wǎng)絡(luò)的預(yù)測(cè)性能影響很大。因此，本文提出一種改進(jìn)的自適應(yīng)粒子群優(yōu)化算法（Adaptive Particle Swarm Optimization，APSO）來(lái)確定平滑因子。將平滑因子映射