区域物流需求预测模型研究.pdfVIP

区域物流需求预测模型研究 黄 虎 (西南交通大学物流学院，成都610031) 摘 要：为了提高区域物流需求预测的能力，文章从区域经济等影响因素指标与区域物流需求 之间的内在关系的角度，利用主成分分析对各影响因素指标进行处理。构造了基于主成分分析一svR 的“影响因素一区域物流需求”预测模型。在选择适当的参数和核函数的基础上。对上海市物流需求 量进行仿真．通过与标准的一SVR方法和线性回归方法进行了对比，发现该方法能获得较小的训练 相对误差和测试相对误差。 关键词：区域物流需求；主成分分析；支持向量回归机；预测 中图分类号：U492．313：TP391文献标识码：A 文章编号：1002—6487(2008)17—0062—02 性，尤其是它们之间彼此相关时，把它们都作为输人变量，显 O引言 然影响计算的精度。 为此，笔者从区域经济等影响冈素指标与区域物流需求之 区域物流需求预测是区域物流规划、物流资源合理配置 间的内在关系的角度．建立了“影响因素一区域物流需求”预 过程中的重要环节，同时它也为政府制定物流产业发展政 测模型来预测区域物流需求，进而寻求二者之问的非线性映 策、物流基础设施建设提供了必要的理论依据。国内外学者 射关系。提出了使用主成分分析一SVR法预测模型。它先将原 建立的物流需求预测模型大部分利用物流需求历史数据本 来较大的输入变量群利用线性变换后得到一组个数较少且 身来进行物流需求预测【I-41。而通过利用区域物流来预测区 彼此不相关的新输入变量，并且该组变量能包含原输入变 域物流需求的研究目前还不多，文献【5】在对物流需求变化的 量群的大部分信息，之后，再用这些个数较少的新输入变量 影响因素分析以及对物流需求指标选取的基础上．采用回归 作为SVR的输入进行模拟预测。仿真结果表明，与标准一 模型、灰色预测方法、加权组合模型对湖北物流需求进行预 SVR方法和线性回归方法相比，该模型预测精度较高、收敛 测；文献【6】通过对物流需求影响因素的分析，首先建立了回 速度快．方法简单易行。 归分析、灰色系统及神经网络方法的物流需求单项预测模 型，然后建立了物流需求组合预测模型；文献【7】建立了“区域 1 区域物流需求预测模型 经济一物流需求”神经网络预测模型。但是，传统的物流需求 1．1影响区域物流需求的因素分析 预测方法(如线性回归分析、灰色GM(1，1)模型、组合预测法 等)在处理大规模、高维度、含有非线性关系、非正态分布的 影响区域物流需求的因素很多，主要有经济因素(主要 影响因素指标数据时．其效果不理想，且其指标的主观随意 包括区域经济整体水平和规模、区域经济产业结构和产品结 性较大，而且需要事先知道各种参数，以及参数在什么情况 构、区域经济的空间布局等)、物流本行业因素(主要包括物 下应如何修正；人工神经网络主要依靠的是经验风险最小化 流设施和服务、物流费用的变动等)、环境因素(主要包括技 原则．容易导致泛化能力的下降且模型结构难以确定。在学 术进步、经济政策和经济体制等)、其它因素(主要有区域地 习样本数量有限时．学习过程误差易收敛于局部极小点，学 理位置、突发因素等)。这些因素影响着区域物流需求的增长 习精度难以保证：学习样本数量很多时，又陷入“维数灾难”， 或减少，影响因素和物流需求之间存在着一种内在的、隐含 Vector 的映射关系，由于各影响因素对物流需求的影响角度和程度 泛化性能不高。而支持向量回归