共 9 条
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
来源:
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