基于支持向量回归机的区域物流需求预测研究被引量：2

在线阅读下载PDF

导出

摘要为了提高区域物流需求预测的精确度,以区域物流与区域经济内在关系为视角.通过灰色关联模型以寻求影响区域物流需求关键因素,制定区域物流需求指标体系,应用支持向量回归机(SVR)方法,建立物流需求预测模型.经过实证分析,该方法具有高水平的训练相对误差和测试相对误差.也表明了模型的可行性和可信度,从而为区域物流需求预测提供有效测度方法.

作者冯杰

机构地区北京物资学院

出处《广西质量监督导报》 2021年第3期165-166,共2页

关键词区域物流需求灰色关联度支持向量回归机

分类号 F25 [经济管理—国民经济]

作者简介冯杰(1996-),女,汉,硕士研究生,区域物流。

引文网络
相关文献

参考文献5

1陈黎.我国区域物流发展预测[J].统计与决策,2006,22(12):127-129. 被引量：15
2陈德良,王文科.多元线性回归模型在物流需求预测中的应用[J].中国物流与采购,2009(20):66-67. 被引量：25
3刘智琦,李春贵,陈波.基于因子分析与神经网络的区域物流需求预测[J].计算机仿真,2012,29(6):359-362. 被引量：15
4黄毅,夏国恩.基于支持向量回归机的广西物流需求预测[J].科技管理研究,2011,31(2):142-144. 被引量：16
5杨建成.ARIMA-SVM的物流需求预测模型[J].现代电子技术,2018,41(9):182-186. 被引量：13

二级参考文献28

1魏连雨,庞明宝.基于神经网络的物流量预测[J].长安大学学报（自然科学版）,2004,24(6):55-59. 被引量：16
2初良勇,田质广,谢新连.组合预测模型在物流需求预测中的应用[J].大连海事大学学报,2004,30(4):43-46. 被引量：59
3唐伟鸿,李文锋.基于时间序列的支持向量机在物流预测中的应用[J].物流科技,2005,28(1):8-11. 被引量：20
4王晓原,李军.灰色GM(1,1)模型在区域物流规模预测中的应用[J].武汉理工大学学报（交通科学与工程版）,2005,29(3):415-417. 被引量：44
5王隆基,张仲鹏,孙晓霞.基于BP神经网络的物流预测方法[J].起重运输机械,2005(5):30-32. 被引量：10
6后锐,张毕西.基于MLP神经网络的区域物流需求预测方法及其应用[J].系统工程理论与实践,2005,25(12):43-47. 被引量：87
7陈森,周峰.基于灰色系统理论的物流需求预测模型[J].统计与决策,2006,22(3):59-60. 被引量：77
8汪宇瀚.预测物流需求的一元线性回归分析法[J].商场现代化,2006(12S):129-129. 被引量：15
9C FIERBIUTEAU, T OKAMOTO, A N NOZUE. Transportation demand forecasting based on constraint logicprogramming [ A ]. Intelligent Transportation Systems, Proceedings, 1999 IEEE/IEEJ/JSAI International Conference, 1999:679 -684.
10A RODRIGO, S HAM. Forecasting freight transportation demand with the spaces - time multinomial probity model [ J]. Transportation Research, 2000, 34 (5): 403-418.

共引文献76

1雷斌,赵蕊,王卫红,牟海波.库存需求预测方法研究综述[J].统计与决策,2021(3):58-62. 被引量：15
2李志.区域物流产业构成及其基本特征[J].中国流通经济,2008,22(4):15-17. 被引量：6
3刘刚,周静,邹飞燕.湖北城乡区域物流与区域经济协调性研究[J].商品储运与养护,2008,30(3):10-14. 被引量：3
4黄虎.区域物流需求预测模型研究[J].统计与决策,2008,24(17):62-64. 被引量：20
5黄虎,蒋葛夫,严余松,廖百胜,夏国恩.基于支持向量回归机的区域物流需求预测模型及其应用[J].计算机应用研究,2008,25(9):2738-2740. 被引量：14
6朱帮助.组合预测模型在区域物流需求预测中的应用[J].经济地理,2008,28(6):952-954. 被引量：15
7王玲启,关剑.天津市经济增长的物流因素分析[J].商场现代化,2009(25):43-44.
8胡心专,张亚明,张文文.BP神经网络在社会物流成本预测中的应用[J].企业经济,2010(10):93-95. 被引量：7
9李宗洁,贠晓哲.基于品牌价值和销售费用的营销绩效诊断[J].现代商业,2011(2):94-95. 被引量：2
10万玲.浅议江西省县域物流产业与经济发展[J].企业经济,2011,30(2):129-131. 被引量：3

同被引文献28

1张慧,邢培振.区域物流需求建模与预测仿真[J].计算机仿真,2012,29(6):351-354. 被引量：3
2张群.基于对数线性回归模型的山东省物流需求分析预测[J].物流工程与管理,2012,34(7):77-78. 被引量：3
3李泓泽,郭森,李春杰.果蝇优化最小二乘支持向量机混合预测模型——以我国物流需求量预测为例[J].经济数学,2012,29(3):103-106. 被引量：16
4杨蕾,张苗苗.时间序列模型在物流需求预测中的应用[J].商业时代,2013(13):26-27. 被引量：8
5曹志强,杨筝,刘放.基于遗传算法优化支持向量回归机的区域物流需求预测[J].系统科学学报,2018,26(4):79-82. 被引量：22
6李瑞,张悟移.基于RBF神经网络的物流业能源需求预测[J].资源科学,2016,38(3):450-460. 被引量：20
7邱慧,黄解宇,董亚兰.基于灰色系统模型的山西省物流需求预测分析[J].数学的实践与认识,2016,46(13):66-70. 被引量：24
8李夏培.基于灰色线性组合模型的农产品物流需求预测[J].北京交通大学学报（社会科学版）,2017,16(1):120-126. 被引量：43
9张国玲,徐学红.一种基于ARIMA-BPNN的物流需求预测模型[J].控制工程,2017,24(5):958-962. 被引量：14
10王晓平,彭文凯,卢怀宇,闫飞.基于支持向量机模型的北京城镇农产品冷链物流需求预测[J].湖北农业科学,2018,57(15):88-94. 被引量：16

引证文献2

1梁毅,徐超飞.基于SVM的区域物流需求建模与预测仿真——以浙江省为例[J].物流研究,2024(3):54-60.
2秦音,郭杜杜,周飞,王庆庆,王洋.零担物流时序预测的SARIMA-GRU-BPNN组合模型及应用[J].计算机工程与应用,2024,60(19):297-308. 被引量：1

二级引证文献1

1陈奕汝,何妍妍,赵志扬,高函,徐梦佳,郭烨烨,刘子毅,魏子琳,张金良.计及特征信息的自适应短期电价预测模型[J].电力信息与通信技术,2025,23(1):18-27.

1吴玉国,李晓迪.基于灰色-马尔科夫链的区域物流需求预测[J].南阳理工学院学报,2020,12(6):1-5. 被引量：5
2蔡卫民,尹敏.湖南省展览业与新型城镇化耦合协调研究[J].市场周刊,2021,34(7):59-62.
3邓建卫.苏州制造业高质量发展研究与展望--基于熵值赋权的灰色关联分析[J].统计科学与实践,2021(5):31-34. 被引量：1
4刘晓琳.我国大都市物流业与经济协同发展评价与优化策略——以北上广渝津为例[J].商业经济研究,2021(15):103-107. 被引量：12

广西质量监督导报

2021年第3期

浏览历史

内容加载中请稍等...

基于支持向量回归机的区域物流需求预测研究被引量：2

参考文献5

二级参考文献28

共引文献76

同被引文献28

引证文献2

二级引证文献1

相关作者

相关机构

相关主题

浏览历史

基于支持向量回归机的区域物流需求预测研究 被引量：2

参考文献5

二级参考文献28

共引文献76

同被引文献28

引证文献2

二级引证文献1

相关作者

相关机构

相关主题

浏览历史

基于支持向量回归机的区域物流需求预测研究被引量：2