基于优化型支持向量回归机的都市圈物流需求预测研究

• 作 者: 何鹏
• 机 构: 重庆工商大学
• 发表日期: 2016年期
• 关键词: 都市圈 物流需求 主成分分析 反双曲线正弦函数 支持向量机

物流需求预测研究在过去一直都是一个社会研究的热点与难点,在过去由于数据的不够充分性,使得学者们只能针对大区域进行物流需求研究,对小范围内的物流需求研究还不是很深入。但是对于地方政府来说,本地区的物流规模才能让其了解到自己管辖区域的物流现状。针对都市圈经济群来说,数据的收集往往是不够完善的,年份也不是很久,数据的代表性不是强,但是地方政府往往记录的维度又比较的多、这些细分数据对物流需求规模都会存在—定的影响。因而根据研究对象的特点建立适用的、科学的物流需求量化指标以及对应的预测模型成为重中之重。本文对都市圈物流需求问题主要从以下几章进行了探讨。第—部分,主要对当前国内外关于都市圈物流需求问题的研究现状进行梳理和分析,从中发现问题并提出问题。并简要概述了本论文的主要内容、文章框架、研究方法与创新点等。第二部分,对都市圈物流及其物流需求进行了概述,具体分析了都市圈物流的功能要素。然后对都市圈物流需求的特征进行了分析,接着具体分析了都市圈物流需求的影响因素。第三部分,针对都市圈物流需求的特点,主使用文献计量的方法对目前都市圈物流需求量化指标的相关文献进行整理分析,最后选出了众多的指标。并在相关的选取原则下,结合实际情况整理、分析并提出了三大维度的指标：经济规模指标、物流能力规模指标、人口规模指标。选出了三大指标一共九项具有说服力的量化指标。第四部分,主要对目前国内外的预测方法进行了对比分析,文中选择了目前最为常用的灰色预测、神经网络预测、支持向量机等预测方法进行了理论分析最后结合量化指标的特点选取了支持向量机作为相应的预测方法。第五部分,主要根据目前的研究现状和都市圈物流需求量化指标的特性,首先使用主成分分析对众多的量化指标进行降维处理,使得训练数据更加的贴合于支持向量回归预测模型,从而缩短了训练的时间并避免了重复性;在此基础上文中提出了使用反双曲线正弦函数对支持向量回归机进行优化,从而提高了预测的精度并缩短了参数寻优的时间：为了检验模型的有效性和效果性,文章最后还对重庆都市圈的物流需求进行了实证分析。