物流技术
物流技術
물류기술
LOGISTICS TECHNOLOGY
2014年
7期
184-187,207
,共5页
货运量%滚装运输%遗传算法%BP神经网络%川江%预测
貨運量%滾裝運輸%遺傳算法%BP神經網絡%川江%預測
화운량%곤장운수%유전산법%BP신경망락%천강%예측
freight volume%ro-ro transportation%genetic algorithm%BP neural network%Chuanjiang%forecasting
首先建立基于遗传BP神经网络的滚装运输市场货运量预测模型，然后采用川江滚装运输年度数据进行神经网络训练与预测。结果表明，遗传BP神经网络算法在预测的精度与收敛速度上均优于传统预测算法。预测结果为川江滚装运输企业战略规划和滚装运输竞争力的提高提供了决策支持。
首先建立基于遺傳BP神經網絡的滾裝運輸市場貨運量預測模型，然後採用川江滾裝運輸年度數據進行神經網絡訓練與預測。結果錶明，遺傳BP神經網絡算法在預測的精度與收斂速度上均優于傳統預測算法。預測結果為川江滾裝運輸企業戰略規劃和滾裝運輸競爭力的提高提供瞭決策支持。
수선건립기우유전BP신경망락적곤장운수시장화운량예측모형，연후채용천강곤장운수년도수거진행신경망락훈련여예측。결과표명，유전BP신경망락산법재예측적정도여수렴속도상균우우전통예측산법。예측결과위천강곤장운수기업전략규화화곤장운수경쟁력적제고제공료결책지지。
In this paper, we first established the volume forecasting model of the ro-ro transportation market based on the GA-BP Neural network model, then trained the model using the practical data of the Chuanjiang city, and found that the accuracy and convergency speed of the algorithm were both superior to traditional forecasting algorithms.
