基于BP-RBF神经网络的组合模型预测港口物流需求研究

被引：31

作者：

蔡婉贞 ^{[1
]}

黄翰 ^{[2
]}

机构：

[1] 汕头职业技术学院经济管理系

[2] 华南理工大学软件学院

来源：

郑州大学学报(工学版) | 2019年 / 40卷 / 05期

关键词：

BP神经网络; RBF神经网络; 组合模型; 预测; 港口物流需求;

D O I：

10.13705/j.issn.1671-6833.2019.02.025

中图分类号：

F552.7 [地方水路运输经济]; F259.27 [地方物资经济]; TP183 [人工神经网络与计算];

学科分类号：

020202 ;

摘要：

为了准确、高效地预测港口物流需求量,提出一种基于BP-RBF神经网络的组合预测模型.考虑到物流需求的非线性变化特点,在建模过程中首先采用BP与RBF两种神经网络方法分别建立单项预测子模型,然后依据各子模型预测结果赋予不同权重进一步构建加权组合预测模型.再以汕头港为例,通过MATLAB软件对港口物流需求量进行仿真预测.结果表明,组合预测模型较单一预测模型具有更高的预测精度,能有效减少出现较大误差的概率,使预测结果更接近于实际情况,可为港口今后物流发展规划提供参考.

引用

页码：85 / 91

页数：7

共 11 条

[1] 基于改进BP神经网络的页岩吸附量预测模型 [J].

陈志礼 ;

宁正福 ;

杜华明 ;

黄亮 ;

叶洪涛 ;

张文通 .

断块油气田, 2018, 25 (02) :208-212

[2] 基于PSO-RBF神经网络的雾霾车牌识别算法研究 [J].

毛晓波 ;

张群 ;

梁静 ;

刘艳红 .

郑州大学学报(工学版), 2017, (04) :46-50

[3] 物流需求预测方法概述 [J].

张璐 ;

木仁 .

物流科技, 2015, 38 (07) :104-106

[4] 基于指数平滑法的宁波-舟山港港口吞吐量预测研究 [J].

关克平 ;

齐梦雅 .

中国水运(下半月), 2013, 13 (12) :28-29

[5] 融合BP神经网络与ARIMA的短时交通流预测 [J].

曾庆山 ;

全书鹏 ;

靳志强 .

郑州大学学报(工学版), 2011, 32 (04) :60-63

[6] 基于自回归模型的上海港港口吞吐量的预测 [J].

徐志刚 .

武汉交通职业学院学报, 2011, (01) :71-74

[7] 改进RBF网络及其在悬索桥吊索损伤定位中的应用 [J].

杨杰 ;

李爱群 ;

曾捷 .

南京航空航天大学学报, 2011, 43 (01) :110-114

[8] 物流需求预测中移动平均法应用分析 [J].

李琦 .

中国商贸, 2011, (02) :139-140

[9] RBF神经网络的混合微粒群学习算法 [J].

贺文阳 ;

王俊年 .

计算机与现代化, 2009, (04) :35-38

[10]

Radial Basis Function Neural Network with Particle Swarm Optimization Algorithms for Regional Logistics Demand Prediction[J] . Zhineng Hu,Yixin Zhang,Liming Yao,Zhigang Jiang.Discrete Dynamics in Nature and Society . 2014

← 1 2 →