基于GRA与KPCA的LSSVM物流需求预测

被引:8
作者
耿立艳
机构
[1] 石家庄铁道大学经济管理学院
关键词
物流工程; 预测方法; 最小二乘支持向量机; 物流需求; 预测精度;
D O I
10.16097/j.cnki.1009-6744.2015.01.022
中图分类号
F253 [物资企业经营与管理]; F224 [经济数学方法];
学科分类号
0701 ; 070104 ;
摘要
为降低物流需求建模中最小二乘支持向量机(LSSVM)的结构复杂性、进一步提高LSSVM对物流需求的预测精度,提出一种基于灰色关联分析(GRA)与核主成分分析(KPCA)的LSSVM预测方法.首先利用GRA找出物流需求的主要影响因素;然后利用KPCA提取主要影响因素的非线性主成分,消除因素之间的多重相关性;最后,将提取出的非线性主成分作为LSSVM的输入变量,构建物流需求预测模型,并采用改进粒子群(IPSO)算法调整LSSVM参数.运用该方法对我国物流需求进行实例分析,结果表明,该方法有效减少了LSSVM输入变量个数,简化了LSSVM结构,并且在一定程度上提高了物流需求预测精度.
引用
收藏
页码:137 / 142+158 +158
页数:7
相关论文
共 7 条
[1]   基于灰关联分析的最小二乘支持向量机物流需求预测 [J].
耿立艳 ;
丁璐璐 .
物流技术, 2013, 32 (19) :130-132+135
[2]   基于核主成分-最小二乘支持向量机的区域物流需求预测 [J].
梁毅刚 ;
耿立艳 ;
张占福 .
铁道运输与经济, 2012, 34 (11) :63-67
[3]   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].
李泓泽 ;
郭森 ;
李春杰 .
经济数学, 2012, 29 (03) :103-106
[4]   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
[5]   基于多输出支持向量机的物流量预测研究 [J].
骆世广 ;
叶赛 ;
胡蓉 .
华东交通大学学报, 2010, 27 (05) :67-71
[6]   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
[7]  
An intelligent fault identification method of rolling bearings based on LSSVM optimized by improved PSO[J] . Hongbo Xu,Guohua Chen. Mechanical Systems and Signal Processing . 2013 (1-2)