基于神经网络的预测方法及其在物流系统中的应用研究

随着我国经济的发展及世界经济一体化进程的加快，我国城市、地区乃至国际间的物流量迅速扩展，物流预测技术也越来越受到重视。常用的定量预测方法主要包括时间序列模型和因果模型。这些模型都是根据历史资料建立相应的数学模型，对数列的发展趋势做出预测。物流系统影响因素复杂，许多对象具有复杂的不确定性和时变性，给预测建模及提高预测精度等方面带来了一定的难度，因此对物流预测方法的要求越来越高。 近年来兴起的人工神经网络(Artificial Neural Networks，简称ANN)有表示任意非线性关系和学习等能力，给解决这类问题提供了新思想和新方法。人工神经网络研究方法具有很强的鲁棒性、容错性和自学习能力以及善于联想、概括、类比和推理等特性，善于从大量统计资料中分析提取宏观统计规律，因此开展基于神经网络的预测研究具有很好的现实意义。 本文较为全面、深入地研究了基于神经网络的物流预测理论和方法。在综合介绍了现代物流发展特点和常用的预测理论在物流系统中的应用现状之后，指出了预测理论在解决实际问题所遇到的困难和不足，并详细阐述了神经网络预测理论的研究及应用情况。从实际物流规划项目的要求出发，提出了一个改进的三层神经网络BP学习算法，并通过数学推导阐明了这种改进算法的基本原理。在此基础上，初步建立了结合多种精度评价指标、符合现代物流预测需要的神经网络预测模型，并给出了详细的理论方法和设计步骤。并且对基于神经网络的组合预测方法进行了研究，提出了一个神经网络和指数平滑模型组合运用的预测算法。为了考察本文提出的方法的有效性，研制了可视化的物流预测系统。该系统结合了传统的预测方法及神经网络预测方法，并将其应用于交通运输的实际物流项目的规划预测中，可以得到满意的效果。