工业工程
工業工程
공업공정
Industrial Engineering Journal
2015年
2期
28~33
,共null页
物流需求预测 粗糙集属性约简 支持向量机
物流需求預測 粗糙集屬性約簡 支持嚮量機
물류수구예측 조조집속성약간 지지향량궤
logistical demand forecasting ; attribute reduction by rough set theory ; support vector machine（SVM）
选择合适的预测模型来预测物流需求,对升级和优化物流产业具有重要的战略意义。常见的物流预测方法有：增长率法、移动平均法、时间序列法等,由于实际的物流预测数据常常具有多指标、非线性、小样本的特点,并且数据中存在冗余指标（噪声）,导致在实际应用中,大多数预测方法的预测精度不高,难以保证有效性。针对这类物流预测问题,本文根据粗糙集属性约简中基于差别矩阵的算法,剔除冗余指标,基于约简的属性,改进了单一的SVM预测模型,并用遗传算法优化了SVM模型的输入参数,获得了较高的预测精度。本文给出了该方法的具体步骤,并用实际数据预测了广东省的货运总量,验证了该方法的有效性。
選擇閤適的預測模型來預測物流需求,對升級和優化物流產業具有重要的戰略意義。常見的物流預測方法有：增長率法、移動平均法、時間序列法等,由于實際的物流預測數據常常具有多指標、非線性、小樣本的特點,併且數據中存在冗餘指標（譟聲）,導緻在實際應用中,大多數預測方法的預測精度不高,難以保證有效性。針對這類物流預測問題,本文根據粗糙集屬性約簡中基于差彆矩陣的算法,剔除冗餘指標,基于約簡的屬性,改進瞭單一的SVM預測模型,併用遺傳算法優化瞭SVM模型的輸入參數,穫得瞭較高的預測精度。本文給齣瞭該方法的具體步驟,併用實際數據預測瞭廣東省的貨運總量,驗證瞭該方法的有效性。
선택합괄적예측모형래예측물류수구,대승급화우화물유산업구유중요적전략의의。상견적물류예측방법유：증장솔법、이동평균법、시간서렬법등,유우실제적물류예측수거상상구유다지표、비선성、소양본적특점,병차수거중존재용여지표（조성）,도치재실제응용중,대다수예측방법적예측정도불고,난이보증유효성。침대저류물류예측문제,본문근거조조집속성약간중기우차별구진적산법,척제용여지표,기우약간적속성,개진료단일적SVM예측모형,병용유전산법우화료SVM모형적수입삼수,획득료교고적예측정도。본문급출료해방법적구체보취,병용실제수거예측료광동성적화운총량,험증료해방법적유효성。
Proper forecasting models are of strategic significance for upgrading and optimizing logistical in- dustry. Common forecasting methods include increasing rate method, moving average method, time series method, etc. In real applications, many forecasting methods are not so accurate as to ensure validity be- cause logistical data have such features as multi attributes （including redundant attributes）, non -linear, small sample. A method is proposed that eliminates redundant attributes for reduction based on discern- ibility matrix algorithm with rough set theory improving the SVM model and optimizing the input parameters by genetic algorithm. Detailed steps of the forecasting method are provided and validity examined via cargo data of Guangdong province.
