基于GRA与KPCA的LSSVM物流需求预测.pdfVIP

第15卷第 1期 、 交通运输系统工程与信息 vo1．15No．1 2015年 2月 Journalof tionSystemsEn~ineerinzandInformationTechnol February 2015 文章编号 ：1009—6744(2015)0卜0137—06 中图分类号 ：U268．6 文献标志码 ：A 基于GRA与KPCA的LSSVM物流需求预测 耿立艳 (石家庄铁道大学 经济管理学院，石家庄 050043) 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． 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 ForecastofLogisticsDemandUsingLSSVM CombiningGRA withKPCA GENG Li—yan (SchoolofEconomicsandManagement，Sh~iazhuangTiedaoUniversity,ShOiazhuang050043，China) Abstract： Toreducethecomplexstructureofleastsquaressupportvectormachine(LSSVM)inlogistics demandmodelingandimprovetheforecastingaccuracyofLSSVM for1ogisticsdemandfurther,basedon thegreyrelationalanalysis(GRA)andthekernelprincipalcomponentanalysis(KPCA)，aLSSVM forecastingmethodiSproposed．First。GRA iSusedtochoosethemaininfluentialfactorsof1ogisticsdemand． Then，theKPCA isappliedtoextractthenonlinearprincipalcomponents，whichcaneliminatethecorrelation inthemaininfluentialfactors．Finally,theextractednonlinearprincipa1componentsareselectedastheinput variablesofLSSVM toconstructthelogisticsdemandforecastingmode1．AndtheparametersofLSSVM rae adjustedbytheimprovedparticleswarmoptimization(IPSO)．Usinghtismethod，China’Slogisticsdemand isanalyzed．The resultsindicatethattheproposed method effectively reducesthe numberofthe input variablesin LSSVM