本文作者：钟映竑；黄鑫；成功正常投稿发表论文到《工业工程》2015年02期,引用请注明来源400期刊网！

【摘要】：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。
【论文正文预览】：物流业的良好发展离不开物流规划,物流规划的前提依据是对物流需求的分析与预测。物流需求预测,是利用历史的资料和市场信息,运用适当的方法和技术,对未来的物流需求状况进行科学的分析、估算和推断。物流服务面、涉及面广,其中货运量贯穿于整个物流过程,它不仅能在一定程度上
【文章分类号】：F259.2;F224
【稿件关键词】：物流需求预测粗糙集属性约简支持向量机
【参考文献】:

• 呼文亮;王惠文;;基于贝叶斯准则的支持向量机预测模型[J];北京航空航天大学学报;2010年04期
• 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期
• 郗伟东;石玉月;田巍;;基于风险模式提取的农户生猪饲养规制研究[J];安徽农业科学;2009年07期
• 朱颢东;钟勇;;多类别属性的定序分类模型[J];北京邮电大学学报;2009年03期
• 曹萍;陈福集;;GA-灰色神经网络的区域物流需求预测[J];北京理工大学学报(社会科学版);2012年01期
• 李玉玲;吴祈宗;;基于Rough Set的贝叶斯网络结构学习研究[J];北京工商大学学报(自然科学版);2007年02期
• 汤俊;肖建华;;区域物流需求预测的LaOR方法[J];商业研究;2007年09期
• 周泰;王亚玲;;基于多因素分析的区域物流需求径向基函数网络预测[J];商业研究;2009年09期
• 李芳;;基于RS-SVM的油中溶解气体变压器故障诊断研究[J];变压器;2008年05期
• 王天;叶秀芬;刘晓阳;王雷;;基于SVM算法的碟形水下机器人姿态预测方法研究[J];传感器与微系统;2012年04期
• 王庆宏;马飞;刘婷;;自组织神经网络在医保定点医院风险分析中的应用研究[J];财会通讯;2010年17期
• 董艳梅;朱传耿;;我国区域物流研究的现况与设想[J];重庆社会科学;2007年05期
• 张勇;朱晶;张振宇;;基于粗糙集的阴离子反浮选药剂控制研究[A];第二十九届中国控制会议论文集[C];2010年
• 高月芳;梁永生;唐飞;欧志伟;湛邵斌;;基于神经网络和VBA的零售业需求预测系统[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
• 石为人;李伟湋;;一种基于粗糙集理论的高校学生个人信用评价方法研究[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年
• 张悦;尤枫;赵瑞莲;;利用蚁群算法实现基于程序结构的主变元分析[A];第五届中国测试学术会议论文集[C];2008年
• 张盛刚;李巍华;;基于粗糙集属性离散—约简的齿轮早期故障特征选择[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
• 王兵;邹艳;文诚;曾柏宏;;基于相容粗糙—模糊集的桥梁健康状况评估模型[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年
• 赵雨薇;周亦鹏;方德英;;北京市汽车产业集群与区域物流阶段性协同发展定位研究[A];第九届（2014）中国管理学年会——管理与决策科学分会场论文集[C];2014年
• 林兆洲;史新元;郭明星;高晓燕;乔延江;;清开灵注射剂清热相关非线性生物标记物的辨识及可视化方法研究[A];第五届全国中医药博士生优秀论文专辑[C];2014年
• 李艳红;综合运输通道客运结构优化理论与方法研究[D];北京交通大学;2010年
• 罗彬;基于MMOI方法的电信客户流失预测与挽留研究[D];电子科技大学;2010年
• 刘海军;基于MAPGIS的数字找矿系统研究与开发[D];中国地质大学（北京）;2011年
• 刘电霆;中小企业产品协同开发中若干不确定优化问题研究[D];西安电子科技大学;2010年
• 刘盾;基于粗糙集理论的多属性决策方法[D];西南交通大学;2011年
• 邢德强;复杂机械产品性能驱动设计方法及其典型应用研究[D];天津大学;2010年
• 楚岩枫;我国物流产业系统演化机理研究[D];南京航空航天大学;2010年
• 滕书华;基于粗糙集理论的不确定性度量和属性约简方法研究[D];国防科学技术大学;2010年
• 郑斌;区域物流网络中心选址及线路优化研究[D];大连海事大学;2011年
• 陈岩;基于语言信息的群决策理论与方法研究[D];东北大学;2010年
• 许翔;基于模糊规则的粗集神经网络在遥感图像分类中的应用[D];湘潭大学;2010年
• 谭娟;粗糙集理论在高职院校教学质量评估中的应用研究[D];中国海洋大学;2010年
• 李楠;内网安全管理系统中安全评估技术的研究与实现[D];北京邮电大学;2011年
• 杨海燕;支持向量机参数优化方法及其应用[D];广西民族大学;2010年
• 阮俊虎;基于GA-SVM的区域物流需求预测研究[D];河北工程大学;2010年
• 徐琳;福建省区域物流需求研究[D];武汉理工大学;2010年
• 周显春;基于小波网络的入侵检测模型研究[D];中南林业科技大学;2008年
• 尹汉钊;基于递归神经网络与集成算法的时间序列预测应用研究[D];西安电子科技大学;2010年
• 梅振益;基于数据驱动的多模型软测量研究[D];江南大学;2011年
• 郭强;粗糙集理论约简算法的研究[D];武汉理工大学;2011年
• 过秀成,谢实海,胡斌;区域物流需求分析模型及其算法[J];东南大学学报(自然科学版);2001年03期
• 付阳;李昆仑;;支持向量机模型参数选择方法综述[J];电脑知识与技术;2010年28期
• 连可;黄建国;王厚军;龙兵;;一种基于遗传算法的SVM决策树多分类策略研究[J];电子学报;2008年08期
• 张文浩;王文剑;;一种基于关联规则的核粒度支持向量机[J];广西师范大学学报(自然科学版);2009年03期
• 靳忠伟;陈康民;闫伟;王桂华;;基于支持向量机的中长期电力负荷预测研究与应用[J];上海理工大学学报;2008年02期
• 孙翠娟;;基于K型核函数的支持向量机[J];淮海工学院学报(自然科学版);2006年04期
• 李颖新,阮晓钢;基于支持向量机的肿瘤分类特征基因选取[J];计算机研究与发展;2005年10期
• 林开标;王周敬;;基于支持向量机的传真收件人识别方法[J];计算机工程与应用;2006年07期
• 李英海;周建中;杨俊杰;刘力;;一种基于阈值选择策略的改进混合蛙跳算法[J];计算机工程与应用;2007年35期
• 郭虎升;王文剑;;基于神经网络的支持向量机学习方法研究[J];计算机工程与应用;2009年02期
• 耿波;赵爱文;;灰色预测在物流需求预测中的应用分析——以徐州地区为例[J];科技风;2012年21期
• 高洪波;杨建强;;基于多变量灰色模型算法的物流需求预测研究[J];物流技术;2013年13期
• 施先亮,张可明;2008年北京奥运赛事物流需求预测[J];数量经济技术经济研究;2003年10期
• 向军,杨伟,管卫华,王书翰,谭金会;物流需求预测中周期因素和季节因素的探讨[J];四川工业学院学报;2004年S1期
• 唐振龙;张学引;;河北现代物流需求预测分析[J];中国市场;2007年Z2期
• 冯怡;张志勇;徐广姝;文培娜;;基于粗糙集理论的我国物流需求预测[J];物流技术;2010年01期
• 李琦;;物流需求预测中移动平均法应用分析[J];中国商贸;2011年02期
• 万励;李余琪;吴洁明;;区域物流需求预测的应用研究[J];微电子学与计算机;2011年09期
• 吴洁明;李余琪;万励;;物流需求预测算法的仿真研究[J];计算机仿真;2011年09期
• 耿立艳;赵鹏;张占福;;基于二阶振荡微粒群最小二乘支持向量机的物流需求预测[J];计算机应用研究;2012年07期
• 胡常伟;陈新;陈新度;;多品种小批量产品分销中的物流需求预测方法[A];全国生产工程第九届年会暨第四届青年科技工作者学术会议论文集（二）[C];2004年
• 史磊;李江宏;李智鹏;;乌鲁木齐市物流需求预测研究[A];地理学核心问题与主线——中国地理学会2011年学术年会暨中国科学院新疆生态与地理研究所建所五十年庆典论文摘要集[C];2011年
• 袁丽娜;周建勤;;基于滑动平均-灰色模型的物流需求预测研究[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年
• 陈德良;王文科;;湖南省物流需求预测[A];《两型社会建设与湖南管理创新》论坛论文集[C];2008年
• 刘洪霞;鹿应荣;;非线性预测模型在粮食物流需求预测中的应用[A];农业系统工程理论与实践研究——全国农业系统工程学术研讨会论文集[C];2006年
• 陈云飞;物流需求预测在M公司的应用研究[D];苏州大学;2014年
• 黄丽;随机时间序列模型在物流需求预测中的应用[D];武汉大学;2004年
• 李自立;基于支持向量机的区域物流需求预测研究[D];武汉科技大学;2009年
• 黄永福;重庆市物流需求预测方法及应用研究[D];重庆交通大学;2009年
• 李娟;区域经济关联视角下河北省物流需求预测研究[D];燕山大学;2014年
• 何霞;基于灰色系统和神经网络的省级区域物流需求预测[D];长沙理工大学;2009年
• 文培娜;基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预测及实?blank">基于人工神经网络的区域物流需求预?===================================

【稿件标题】：【粗糙集理论与方法】基于粗糙集和支持向量机理论的物流需求预测研究
【作者单位】：广东工业大学管理学院;
【发表期刊期数】：《工业工程》2015年02期
【期刊简介】：《工业工程》杂志是由中华人民共和国新闻出版总署、正式批准公开发行的优秀期刊，工业工程杂志具有正规的双刊号，其中国内统一刊号：CN44-1429/TH，国际刊号：ISSN1007-7375。工业工程杂志社由广东省教育厅主管、广东工业大学主办，本刊为刊。自创刊以来，被......更多工业工程杂志社(http://www.400qikan.com/qk/6086/)投稿信息
【版权所有人】：钟映竑；黄鑫；

更多经济类论文详细信息: 【粗糙集理论与方法】基于粗糙集和支持向量机理论的物流需求预测
http://www.400qikan.com/lunwen/jingji/33245.html

相关专题： 《工业工程》相关期刊

推荐期刊：

德语人文研究

人天科学研究

伴侣

中国林业

百姓之家

中国卫生政策研究

武汉大学学报

中国民营科技与经济

集美航海学院学报

中国果菜

上一篇：【煤矿一通三防知识】煤矿“一通三防”安全管理策略研究
下一篇：【转向助力报警灯】做好校园推普工作助力警院校风建设