基于DTRS-SVM模型的廣東省物流需求預測研究.pdf

1、分類號：UDC：密級：學校代號：11845學號：2111208019廣東工業(yè)大學碩士學位論文(工程碩士)基于DTRS—SVM模型的廣東省物流需求預測研究黃鑫指導教師姓名、職稱：學科專業(yè)或領域名稱：學生所屬學院：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區(qū)域物流的需求進行預測是區(qū)域經濟與物流管理規(guī)劃中的重點，也是對區(qū)域經濟和物流活動進行規(guī)劃的前提。區(qū)域物流需求量預測的結果可以影響物流基礎建設、交通網絡的布局以及當

2、地物流企業(yè)未來的發(fā)展，所以說區(qū)域物流需求的預測是物流發(fā)展的前提。通過區(qū)域物流需求的預測，可以及時的了解當?shù)亟洕顒又械奈锪餍枨罅浚M而可以通過預測到的物流活動需求量及時的滿足當?shù)亟洕顒又械奈锪餍枨?，保證了物流服務與需求的平衡，使當?shù)亟洕ㄔO與物流協(xié)調性發(fā)展，保持一種比較高的效率。國內外關于物流需求預測的論文有很多，每一位學者都運用了不同的模型方法來對當?shù)氐奈锪餍枨罅窟M行預測，其中對貨運量和貨運周轉量的預測最多。最早的預測方法是移動平均

3、、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測，預測精度比較差，所以現(xiàn)在的研究中，大部分預測方法都要結合其他更先進的模型。近些年，更多學者開始使用機器學習的模型，通過考慮因變量與影響因素的關系，通過歷史數(shù)據(jù)與機器學習的結合推導出相對更加準確的變化趨勢，最常用的模型是神經網絡模型與支持向量機模型。本文在研究國內外學者對于該問題研究成果的基礎上，首先總結了當前研究當

4、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，分析了物流需求預測的內容以及步驟；其次，分析了影響物流需求的主要因素，并且從經濟總量、產業(yè)結構和當?shù)鼐用竦南M水平等幾個方面構建了一個適合于本文的預測指標體系；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測模型，目的在于剔除冗余屬性，優(yōu)化預測模型；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，在屬性約簡的基礎之上，進一