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

来源：

交通运输系统工程与信息 | 2015年 / 15卷 / 01期

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

页码：137 / 142+158 +158

页数：7

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)

← 1 →