检索结果-维普期刊中文期刊服务平台

基于改进PSO-BP算法的快递业务量预测被引量：18: 1; 作者许荣斌王业国 +3 位作者王福田何明慧汪梦龙谢莹《计算机集成制造系统》 EI CSCD 北大核心 2018年第7期1871-1879,共9页; 为了有效监控快递运输过程,对日常快递业务量进行预测,以保证快递包裹能够按时到达。将大量快递包裹运输过程抽象建模以构造多流程实例;提出改进惯性权重的粒子群优化算法和反向传播神经网络的组合模型(IPSO-BP)来预测物流公司日常快递... 展开更多; 关键词物流运输工作流粒子群优化算法反向传播神经网络快递业务量预测; 在线阅读下载PDF 职称材料

基于GRU深度学习算法的日均快递业务量预测模型被引量：8: 2; 作者薛蓉娜张明敏 +1 位作者南玉婷赵会娟《统计与决策》 CSSCI 北大核心 2021年第13期176-179,共4页; 快递业务量的精准预测,对优化企业生产计划和资源配置至关重要。为实现对日均快递量快速、准确地预测,文章提出一种基于GRU深度学习算法的快递业务量预测模型。为验证其性能,利用511天的数据进行测试,并与ARIMA、LSTM等经典算法进行对... 展开更多; 关键词快递业务量预测 GRU深度学习算法快递企业; 在线阅读下载PDF 职称材料

基于CEEMD-SVM组合模型的快递业务量预测被引量：10: 3; 作者李辰颖《统计与决策》 CSSCI 北大核心 2019年第12期83-85,共3页; 如何准确预测快递业务量,对提升快递业服务的效率和质量非常重要。文章针对此问题提出了一种基于互补集合经验模态分解(CEEMD)和支持向量机(SVM)的组合模型,为了提升模型精度对分解后的数据进行了相空间重构,并采用粒子群算法对SVM模型... 展开更多; 关键词互补集合经验模态分解支持向量机快递业务量相空间重构; 在线阅读下载PDF 职称材料

基于TSCI变动的RBF-SVR月度快递业务量分析及预测被引量：6: 4; 作者李鹏飞张瑞《统计与决策》 CSSCI 北大核心 2021年第5期184-188,共5页; 准确的快递量预测对物流建设规划至关重要,然而快递业务量年度数据呈现指数型增长,月度数据却表现出复杂的非线性趋势和典型的季节性特点。通过对快递业务量月度数据长期趋势、季节变动、循环变动及不规则变动的特征分析,建立基于趋势... 展开更多; 关键词支持向量机三次指数平滑长期趋势季节变动快递业务量预测; 在线阅读下载PDF 职称材料

题名基于改进PSO-BP算法的快递业务量预测被引量：18: 1; 作者许荣斌王业国王福田何明慧汪梦龙谢莹; 机构安徽大学计算智能与信号处理教育部重点实验室安徽大学计算机科学与技术学院安徽大学信息保障技术协同创新中心; 出处《计算机集成制造系统》 EI CSCD 北大核心 2018年第7期1871-1879,共9页; 基金国家自然科学基金资助项目(61602005) 教育部人文社科青年基金资助项目(14YJCZH169) +3 种基金 1808085MF199) 安徽大学博士启动基金资助项目~~; 文摘为了有效监控快递运输过程,对日常快递业务量进行预测,以保证快递包裹能够按时到达。将大量快递包裹运输过程抽象建模以构造多流程实例;提出改进惯性权重的粒子群优化算法和反向传播神经网络的组合模型(IPSO-BP)来预测物流公司日常快递业务量;进而动态申请合适数量云资源以处理变化的业务需求。大量仿真实验证明,在神经网络参数选择合理的情况下,IPSO-BP模型比其他传统方法有更好的预测效果。; 关键词物流运输工作流粒子群优化算法反向传播神经网络快递业务量预测; Keywords logistics transportation workflow particle swarm optimization algorithm back propagation neural network package volume forecasting; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于GRU深度学习算法的日均快递业务量预测模型被引量：8: 2; 作者薛蓉娜张明敏南玉婷赵会娟; 机构西安邮电大学现代邮政学院; 出处《统计与决策》 CSSCI 北大核心 2021年第13期176-179,共4页; 基金陕西省软科学研究计划重点项目(2018KRZ020)。; 文摘快递业务量的精准预测,对优化企业生产计划和资源配置至关重要。为实现对日均快递量快速、准确地预测,文章提出一种基于GRU深度学习算法的快递业务量预测模型。为验证其性能,利用511天的数据进行测试,并与ARIMA、LSTM等经典算法进行对比试验,同时讨论了该模型在平常日、节假日和电商节的有效性。结果表明,该算法的RMSE为23976.47,R-Squared为0.92,预测准确率为97.50%,性能均优于对比算法。; 关键词快递业务量预测 GRU深度学习算法快递企业; 分类号 F252 [经济管理—国民经济] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于CEEMD-SVM组合模型的快递业务量预测被引量：10: 3; 作者李辰颖; 机构上海财经大学会计学院北京林业大学经济管理学院; 出处《统计与决策》 CSSCI 北大核心 2019年第12期83-85,共3页; 基金国家社会科学基金重大项目(15ZDB160) 中央高校基本科研业务费专项资金资助项目(2018RW12); 文摘如何准确预测快递业务量,对提升快递业服务的效率和质量非常重要。文章针对此问题提出了一种基于互补集合经验模态分解(CEEMD)和支持向量机(SVM)的组合模型,为了提升模型精度对分解后的数据进行了相空间重构,并采用粒子群算法对SVM模型的参数进行优化.仿真结果表明,该模型优于其他两种对比模型,能够以一定的精度预测快递业务量。; 关键词互补集合经验模态分解支持向量机快递业务量相空间重构; 分类号 F259. [经济管理—国民经济]; 在线阅读下载PDF 职称材料

题名基于TSCI变动的RBF-SVR月度快递业务量分析及预测被引量：6: 4; 作者李鹏飞张瑞; 机构西安邮电大学经济与管理学院西安邮电大学现代邮政学院西北工业大学管理学院; 出处《统计与决策》 CSSCI 北大核心 2021年第5期184-188,共5页; 基金国家社会科学基金资助项目(18FGL022) 教育部哲学社会科学研究后期资助项目(18JHQ082) +4 种基金西安市科技计划项目(201806117YF05NC13(5)); 文摘准确的快递量预测对物流建设规划至关重要,然而快递业务量年度数据呈现指数型增长,月度数据却表现出复杂的非线性趋势和典型的季节性特点。通过对快递业务量月度数据长期趋势、季节变动、循环变动及不规则变动的特征分析,建立基于趋势调整和季节调整的支持向量回归模型,并选取我国2008—2018年快递业务量月度数据验证模型有效性。结果表明,模型对月度快递业务量的预测精度优于时间序列、支持向量回归及基于季节调整的支持向量回归模型,且对数据内在结构及其复杂特性进行了解释,对物流建设规划、快递市场调整具有指导作用。; 关键词支持向量机三次指数平滑长期趋势季节变动快递业务量预测; 分类号 F259.2 [经济管理—国民经济] F224 [经济管理—国民经济]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于改进PSO-BP算法的快递业务量预测	许荣斌王业国王福田何明慧汪梦龙谢莹	《计算机集成制造系统》 EI CSCD 北大核心	2018	18	在线阅读下载PDF 职称材料
2	基于GRU深度学习算法的日均快递业务量预测模型	薛蓉娜张明敏南玉婷赵会娟	《统计与决策》 CSSCI 北大核心	2021	8	在线阅读下载PDF 职称材料
3	基于CEEMD-SVM组合模型的快递业务量预测	李辰颖	《统计与决策》 CSSCI 北大核心	2019	10	在线阅读下载PDF 职称材料
4	基于TSCI变动的RBF-SVR月度快递业务量分析及预测	李鹏飞张瑞	《统计与决策》 CSSCI 北大核心	2021	6	在线阅读下载PDF 职称材料