关于物流类毕业论文范文与基于支持向量机的城市物流需求预测相关

2017-06-07 07:14

  为您写物流毕业论文和职称论文提供关于物流类毕业论文模板范文,与基于支持向量机的城市物流需求预测相关论文范文资料,包括关于物流及产业结构及国民经济方面的论文题目、提纲、开题报告、文献综述、参考文献的大学硕士和本科毕业论文,是免费优秀的物流论文范文。

  摘 要文章利用支持向量机非线性能力对历史物流需求量进行学习,模型最优参数,对将来物流需求进行预测.文章调研了焦作市历年城市物流需求数据对模型性能进行测试,测试结果表明,支持向量机针对城市物流需求预测精度较高,为城市物流需求预测提供了有效方法.

  为了更好地推动我国现代物流发展,建设现代物流服务体系,利用物流服务促进其他相关产业发展,中央已经把物流产业列为十大调整振兴行业之一,提出了发展大型现代物流企业、引导物流市场需求、鼓励重点领域物流发展和增加物流基础设施建设,提升物流标准化水平以及信息化程度等未来物流发展大方向.

  南开大学和张建华运用P、物流增加值和物流成本等指标,以天津市为研究对象,调研了一些物流数据进行研究,分别对宏观物流成本和物流增加值这两个指标占P比重进行分析发现,物流业发展与国民经济整体水平两者之间着一定相关性.

  以我国物流业发展需求为起点,长安大学孙启鹏和丁海鹰从这三方面可以定量描述物流量第一,定量描述物流需求与经济发展水平之间关系;第二,定量描述物流作业内容;第三,定量描述物流本源需求规模.

  西南交通大学周泰和王亚玲等对经济、社会、科技和方面进行分析.选取了反映P与产业结构方面指标,包括区域国内生产总值、区域人均国内生产总值、第一产业产值、第二产业产值、第三产业产值等;建立了系统区域物流需求预测影响因素指标体系.

  林荣天、陈联诚和李绍静等分析了影响区域物流需求量宏观方面因素,包括区域经济规模、产业结构、经济空间布局等指标.他们认为区域经济整体发展状况是决定区域物流需求主要因素对物流需求功能、层次及结构等有着重大影响因素是产业结构区域内贸易和人均收入等也会影响物流需求.

  峰和高丽梅采用了货运量、P、外贸进出口额和社会消费品零售额等指标,利用了灰色模型和神经网络模型预测了公货运量,取较好预测效果.

  黄永福使用9年相关数据包括2000年2008年P、第一产业生产总值、第二产业生产总值、第三产业生产总值以及固定资产投资总额等当做预测参数,预测了2010年、2012年、2015年公、水、铁和航空货运量.

  赵庆波和安立仁以货运量衡量物流需求量,运用灰色关联度分析方法,利用1996年2009年陕西省物流数据对陕西省未来物流需求量进行了较为准确预测.

  综合物流需求预测研究,可以在选择预测对象和预测指标方面,学术界还没有形成统一看法.总来看,物流需求包括质(物流时间、物流成本、物流效率等)和量即物流需求规模等两个方面.许多研究者对货运量、物流成本占P比例和社会物流总费用这三个指标,进行三选一来表示物流需求规模.而对于区域社会物流总费用、物流成本有关数据查找相当困难,所以论文就利用货运量来衡量区域物流需求规模.

  许多研究人员认为,区域物流影响因素与物流需求之间着映射关系,它对区域物流需求增长或减少有很大影响关系,因此利用区域物流影响因素来预测区域物流需求.区域物流影响因素指

  (1)经济因素指标.由于物流需求内在决定因素是区域社会经济发展水平,因此这类指标有P、区域内外经济贸易、固定资产投资、社会消费品总额、各产业总值和价格指数等.

  (2)行业因素指标.良好充足物流硬件设施以及便捷周到物流服务可以刺激区域物流需求增长.所以这类指标可以包括物流业基础设施、货运量和货运周转量以及物流业从业人员等.

  (3)因素指标.一个区域科技发展和经济方面政策可以使得该地区经济效率和经济结构很快变化,因而能够对物流需求间接影响.这些指标涉及到科技活动经费支出、经济政策和科技等.

  (4)其它因素指标.地理和自然资源状况差异对区域物流发展影响也会有所,因此区域物流需求影响因素还包括地理和自然资源状况等.包括以下指标即地理、自然资源状况和人口状况等.

  以上指标体系固然比较全面,有些指标难以量化或不易查找.因此在实际预测研究中,到统计数据是否可以和地区统计数据口径,通常情况下是在下面指标中进行选取P、社会消费品零售总额、第一产业产值、第二产业产值、第三产业产值、商品零售价格指数、公通车里程、铁营业里程、全社会固定资产投资额、原煤产量、货物周转量、进出口总额、物流业从业人数、科技经费支出、人口总数等相关指标.

  三、支持向量机城市物流需求预测模型支持向量机简称为SVM,是在统计学习理论基础上,根据结构风险最小化原理建立起来,其核心思想是学习机器要与有限训练样本相适应,是一种能相对比较好地解决非线性、小样本、高维数以及局部极小值等分类问题方法,目前已经成功地应用于模式分类、函数逼近和时间序列预测等方面研究.支持向量机方法优势可以为以下几点第一,该方法是通过有限样本进行学习实现结构风险最小化学习机器;第二,它是全局最优解,解决了局部极值问题;第三,该方法能够把问题通过非线性变换映射到特征空间,建立线;非线性决策函数,不但解决了维数问题,同时了推广能力,而且样本维数对其算法复杂度无影响.

  一般来讲,支持向量机预测会使用平方误差以及值误差当做损失函数,论文使用ε不损失函数(εinsensitivecostfunction),由此支持向量机对训练集采用交叉验证展开建模.ε为

  由于本论文支持向量机模型使用径向基核函数,故参数δ和C对支持向量机预测性能有影响.优化支持向量物流需求预测流程如图1所示.

  河南省焦作市在地理上承东启西、沟南通北枢纽地位,地处我国南北交汇点,东西结合部.目前,焦作市已形成了以能源、机械、化工、冶金、建材工业为主,食品、轻纺、医药等工业部门综合发展工业行业结构,该市各项经济指标居于河南省同行业前列,是全国44个重工城市之一.本论文将焦作市1996年2010年间统计数据资料研究对象,建立支持向量机预测模型,对焦作市物流需求进行预测.

  本文以城市公货运量指标来量度焦作市物流需求规模,在以往研究基础上,建立城市物流需求预测指标体系,如表1所示.

  从训练样本预测结果可知,本文预测模型拟合结果,模型性能最优,可以用于对测试集预测.

  根据以上研究结果进行对比可知,本论文构建支持向量机模型预测值和实际值比较接近,说明了构建物流需求预测模型所运行预测结果能够比较准确地体现市场需求变化趋向,较好实用价值,因此说该模型是一种比较有效适用物流需求预测方法.