支持向量回归机在农业供应链预测中的应用.pdfVIP

第 26卷 第 3期 四川农业大学学报 Vo1．26 No．3 2008年 9月 JournalofSichuanAgriculturalUniversity Sep．2008 ApplificationofSupportVectorRegression forForecasting AgricultralSupplyChain CHENDons—dons ．YANG Chun。 (1．CollegeofLogistics，SouthwestJiaotongUniversity，Chengdu610031，Sichuan，China； 2．CollegeofEconomicsandManagement，SichuanAgriculturalUniversity，Yaan625014，Sichuan，China) Abstract：Toimprovetheforecastingabilityofagriculturalsupplychain，themethodofsupport vectorregression (SVR)canbeappliedtO studytheproblem ofagriculturalsupplychain，based on theprincipleofstructuralriskminimization．Onthebasisofchoosingproperparametersand kernelfunctions，thismethodcanmakeminimum relativeerrorsintrainingandtestingaftermak— ingastudyofexamples，forecastingthetimeseriesdata，andmakingacomparisonwiththemeth— odofArtificialNeuralNetwork (ANN)．TheresultshowsthatSVR isausefulwaytostudythe forecastingofagriculturalsupplychain． Keywords：supportvectorregression；agriculturalsupplychain；forecastingmodels；SVM 支持向量回归机在农业供应链预测中的应用 陈冬冬 。，杨 春。 (1．西南交通大学 物流学院，四川 成都 610031； 2．四川农业大学 经济管理学院，四川 雅安 625014) 摘要 ：为了提农业供应链预测的能力，应用基于结构风险最小化准则的标准支持 向量回归机方法来研究供应链预 测问题。在选择适 当的参数和核 函数的基础上，通过对实例研究，对时间序列数据进行预测，并与人工神经网络方 法进行对 比，发现该方法能获得最小的训练相对误差和测试相对误差。结果表明，支持向量回归机是研究农业供应 链预测的有效方法。 关键词：支持向量回归机；农业供应链；预测模型；SVM 中图分类号 ：F062．9 文献标识码 ：A 文章编号 ：1000—2650(2008)03一O290一o3 成功地农业供应链 的实施 ，需要准确把握顾客 货、保证生产连续、降低成本和改进服务。 的需求 ，否则会 出现大量库存 ，或者会因为缺货而不 农产品需求量是一组按时间顺序排列的数据序 能满足顾客需求 。在推动式供应链 中，所有推动流 列，其变化受多个 因素 的影响，且各因素的作用机制 程都是根据对顾客需求的预测来运行 ，供应链管理 无法用精确的数学语言来描述 ，因此农产品需求量 者必须规划产品的生产能力 ；在拉动式供应链中，所 预测属于复杂的非线性系统 问题 。传统预测方法 有拉动流程都是根据对市场需求 的反应来运行 ，供 (如：线性回归分析、灰色 GM (1，1