首页 > 《系统科学学报》 > 2018年4期 > 基于遗传算法优化支持向量回归机的区域物流需求预测

基于遗传算法优化支持向量回归机的区域物流需求预测

在线阅读下载PDF 导出详情

摘要本文采用支持向量回归机对物流需求进行预测,研究SVR在物流需求预测中的可行性。为了建立有效的SVR模型,SVR参数需要精心设置,针对物流需求非线性的特点,本文首次提出用遗传算法(GA)优化支持向量回归(SVR)机进行预测,采用最优参数构造SVR模型。以1990-2015年广西货运量为时间序列数据,实验结果表明,以平均绝对误差(MAPE)和均方差比值(MSE)为精度检验标准,GA-SVR比ARIMA和灰色预测具有更优的预测效果。

DOI pj0998nvjy/1393575

作者曹志强;杨筝;刘放

机构地区不详

出处《系统科学学报》 2018年4期

关键词遗传算法支持向量回归机物流需求预测

分类 [自然科学总论][系统科学]

出版日期 2018年04月14日（中国期刊网平台首次上网日期，不代表论文的发表时间）

相关文献

1蔡艳宁;胡昌华. 基于支持向量回归机的陀螺漂移预测模型.力学,2007-05.
2邓欣欣. 基于遗传优化回归方法的电网物资需求预测问题研究.,2022-04.
3黄江武. 基于遗传算法区域电网无功优化.电力系统及自动化,2017-12.
4桂安琪;朱家明;王锐杰;孟康. 基于智能遗传算法与支持向量机的生态文明建设体系的研究.产业经济,2016-12.
5叶慧;叶龙海;尹强;王卫华;杨庆祥. 基于遗传算法寻优的多核支持向量机故障诊断系统.高等教育学,2017-04.
6郭琦;傅建平;雷洁. 基于遗传算法与支持向量机的火炮内膛疵病分类方法研究.武器系统与运用工程,2011-02.
7王强;黄楠. 基于支持向量回归的教育评估方法.高等教育学,2007-04.
8尹菲. 淮海经济圈区域物流需求预测.企业管理,2010-02.
9邹建华. 基于混合遗传算法的物流路径优化方法探讨.计算机科学与技术,2018-12.
10张乔. 改进粒子群算法优化支持向量机预测模型的研究.建筑技术科学,2020-09.

来源期刊

系统科学学报

相关推荐

同分类资源更多

相关关键词

遗传算法支持向量回归机物流需求预测

返回顶部