基于灰色理论和GA-SVR模型的黑龙江省区域物流需求预测研究

论文摘要

在国家积极推动“一带一路”战略建设背景下,黑龙江省以优越的区位条件,主动与国家的“一带一路”战略衔接,提出“龙江丝路带”建设规划,推进了“中蒙俄经济走廊”建设。物流业作为保障社会各项贸易活动正常运转的关键产业,促进区域经济健康平稳发展的新引擎。推动“龙江丝路带”的建设离不开物流业支持,更需要健全的商贸物流体系作为保障。黑龙江省区域物流需求预测为进行区域物流资源的合理配置和建设科学高效的区域物流系统提供支持,为政府治理能力的提升提供保障,对减少资源浪费、促进区域经济的持续健康发展、保障“龙江丝路带”建设具有现实的指导意义。该研究以区域物流需求预测的相关理论为基础,结合黑龙江省区域物流的实际发展状况,对黑龙江省区域物流需求的相关指标进行分析,利用熵权灰色关联分析法对区域物流相关指标进行筛选,建立黑龙江省区域物流预测指标体系。选择偏最小二乘法、BP神经网络以及支持向量机方法建立了偏最小二乘回归模型、BP神经网络模型、GS-SVR模型和GA-SVR模型四种预测模型,最终选择GA-SVR模型为黑龙江省区域物流需求预测模型。采用灰色预测方法对黑龙江省区域物流需求相关指标进行预测,并将预测结果代入到GA-SVR模型中对黑龙江省未来3年的物流需求数据进行预测。通过对黑龙江省区域物流需求预测的研究分析,获得主要的内容与结论如下:（1）该研究在对物流预测相关文献研究基础之上,结合对黑龙江省实际发展状况研究分析,分析总结黑龙江省物流需求预测指标及影响黑龙江省区域物流需求的主要因素,选取了货运量作为黑龙江省物流需求预测指标,最初选择了20个物流需求相关影响因素指标,利用熵权灰色关联分析法计算各影响指标的灰色关联度,对相关影响因素进行筛选。最终选取14个相关影响指标构建了黑龙江省区域物流需求预测的指标体系。（2）该研究在对区域物流需求相关预测方法研究的基础上,选取偏最小二乘、BP神经网络和支持向量机三种预测方法,其中选取网格搜索和遗传算法对支持向量机的模型建立需要进行相关参数优化,结合所建立的黑龙江省区域物流需求预测指标体系,建立区域物流需求预测的偏最小二乘回归模型、BP神经网络回归模型、GS-SVR模型和GA-SVR模型。通过对比分析GA-SVR模型的预测结果的平均相对误差为1.70%,预测效果最佳。最终选取了基于GA-SVR模型的黑龙江省区域物流需求预测模型。（3）该研究根据黑龙江省区域物流需求各相关影响指标的变化规律特点进行分析,选择灰色预测方法作为合适的预测方法,建立黑龙江省区域物流需求相关影响指标的预测模型,对各相关影响指标未来3年的趋势进行预测。（4）该研究在所建立的黑龙江省区域物流需求预测指标体系和GA-SVR模型的基础之上,将灰色预测模型预测的区域物流各相关影响指标未来3年的预测值代入到GA-SVR模型中,对黑龙江省未来3年的物流需求进行了预测,为政府相关决策提供科学的数据支持。

论文目录

• 摘要
• 英文摘要
• 1 引言
•   1.1 研究背景
•   1.2 研究目的与意义
•     1.2.1 研究目的
•     1.2.2 研究意义
•   1.3 国内外研究现状
•     1.3.1 物流需求预测指标的国内外研究现状
•     1.3.2 物流需求预测方法的国内外研究现状
•     1.3.3 国内外研究现状述评
•   1.4 主要研究内容与方法
•     1.4.1 主要研究内容
•     1.4.2 研究方法
•   1.5 技术路线图
• 2 相关理论综述
•   2.1 区域物流相关理论综述
•     2.1.1 区域物流概念
•     2.1.2 区域物流的特点
•   2.2 区域物流需求相关理论综述
•     2.2.1 区域物流需求的内涵
•     2.2.2 区域物流需求的特点
•     2.2.3 区域物流需求计量方式
•   2.3 区域物流需求预测的相关理论综述
•     2.3.1 区域物流需求预测的概念
•     2.3.2 区域物流需求预测的步骤
•   2.4 本章小结
• 3 黑龙江省区域物流需求预测指标体系建立
•   3.1 黑龙江省区域物流需求预测指标选取
•     3.1.1 区域物流需求预测指标的选取原则
•     3.1.2 黑龙江省区域物流需求指标选取
•     3.1.3 黑龙江省区域物流需求影响因素分析
•     3.1.4 黑龙江省区域物流需求预测指标初选
•   3.2 基于熵权灰色关联分析法的预测指标体系建立
•     3.2.1 熵权灰色关联分析法的介绍
•     3.2.2 熵权灰色关联法的关联度分析
•     3.2.3 区域物流需求预测指标体系建立
•   3.3 本章小结
• 4 黑龙江省区域物流需求预测模型建立及对比
•   4.1 建模方法选择与建模集合划分
•     4.1.1 区域物流需求预测建模方法选择
•     4.1.2 区域物流需求预测建模集合划分
•   4.2 偏最小二乘法的物流需求预测模型
•     4.2.1 偏最小二乘法的简介
•     4.2.2 偏最小二乘回归模型的建模步骤
•     4.2.3 偏最小二乘回归模型的建立与评价
•   4.3 BP神经网络的物流需求预测模型
•     4.3.1 BP神经网络的简介
•     4.3.2 BP神经网络模型的训练过程
•     4.3.3 BP神经网络模型的建立与评价
•   4.4 基于支持向量机的物流需求预测模型
•     4.4.1 支持向量机的简介
•     4.4.2 支持向量机的参数寻优
•     4.4.3 支持向量机回归模型的建立
•     4.4.4 支持向量机模型的预测效果的评价
•   4.5 模型的对比分析
•   4.6 本章小结
• 5 黑龙江省区域物流需求预测
•   5.1 物流需求各影响指标的预测方法选择
•   5.2 灰色预测模型的预测步骤
•   5.3 基于灰色预测的各影响指标预测
•   5.4 黑龙江省未来3年区域物流需求预测
•   5.5 本章小结
• 6 结论与展望
•   6.1 研究成果与结论
•   6.2 展望
• 致谢
• 参考文献

文章来源

类型: 硕士论文

作者: 买书魁

导师: 陈红光,王健

关键词: 区域物流,灰色理论,支持向量机,遗传算法

来源: 东北农业大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 非线性科学与系统科学,宏观经济管理与可持续发展

单位: 东北农业大学

分类号: F259.27;N941.5

总页数: 83

文件大小: 4354K

下载量: 570