基于核主成分-最小二乘支持向量机的区域物流需求预测

被引:6
作者
梁毅刚 [1 ]
耿立艳 [1 ]
张占福 [2 ]
机构
[1] 石家庄铁道大学经济管理学院
[2] 石家庄铁道大学四方学院
基金
国家软科学研究计划;
关键词
区域物流; 需求预测; 最小二乘支持向量机; 核主成分分析;
D O I
暂无
中图分类号
F252 [物资流通]; F224 [经济数学方法];
学科分类号
0701 ; 070104 ;
摘要
概述区域物流需求预测方法,分别阐明核主成分分析(KPCA)和最小二乘支持向量机(LSSVM)模型的原理,提出将核主成分分析(KPCA)与最小二乘支持向量机(LSSVM)相结合,建立核主成分-最小二乘支持向量机(KPCA-LSSVM)预测模型。先利用KPCA对数据进行预处理,消除变量之间的相关性,提取非线性主成分,再通过LSSVM对提取的非线性主成分进行训练,建立预测模型。最后,通过实例验证比较LSSVM与KPCA-LSSVM两种模型的预测性能。结果表明,KPCA-LSSVM的预测精度较LSSVM明显提高,是一种有效的中短期区域物流需求预测方法。
引用
收藏
页码:63 / 67
页数:5
相关论文
共 9 条
[1]   基于二阶振荡微粒群最小二乘支持向量机的物流需求预测 [J].
耿立艳 ;
赵鹏 ;
张占福 .
计算机应用研究, 2012, 29 (07) :2558-2560
[2]   基于因子分析与神经网络的区域物流需求预测 [J].
刘智琦 ;
李春贵 ;
陈波 .
计算机仿真, 2012, 29 (06) :359-362
[3]   基于核主成分分析及支持向量机的水轮机叶片裂纹源定位 [J].
王向红 ;
朱昌明 ;
毛汉领 ;
黄振峰 .
振动与冲击, 2010, 29 (11) :226-229+264
[4]   基于自适应神经网络的物流需求预测研究 [J].
尹艳玲 .
河南理工大学学报(自然科学版), 2010, (05) :700-704
[5]   基于支持向量回归机的物流需求预测模型研究 [J].
胡燕祝 ;
吕宏义 .
物流技术, 2008, (05) :66-68
[6]   基于偏最小二乘支持向量机回归区域物流量预测 [J].
庞明宝 ;
谢玲 ;
郝然 ;
马宁 .
河北工业大学学报, 2008, (02) :91-96
[8]   城市物流需求量的回归模型 [J].
王小萃 .
中国水运(理论版), 2007, (07) :201-202
[9]   物流预测技术中的移动平均线方法 [J].
杨荣英 ;
张辉 ;
苗张木 .
武汉理工大学学报(交通科学与工程版), 2001, (03) :353-355