基于支持向量機的區域物流需求預測研究

呂雅麗

[摘 要]基于支持向量機的區域物流需求預測是在追求更高的預測精度下提出的，首先選取非線性回歸方法篩選影響區域物流需求的主要因子，然后用支持向量機模型對原始數據進行處理，并通過“影響區域物流需求因素”求解最優化的支持向量機核函數，最后構建影響區域物流需求的影響因子的非線性數據模型。結論表明，支持向量機模型相對多元線性回歸、BP神經網絡等，提高了區域物流需求的精確度，在之后的區域需求預測中將會有更加廣泛的應用。

[關鍵詞]支持向量機；區域物流需求；預測

[DOI]10.13939/j.cnki.zgsc.2018.02.144

1 引 言

在國家大力倡導物流政策的前提下，區域物流的需求數量將大幅上升，做到準確地預測區域物流需求數量就顯得格外重要，其準確度將決定區域物流的規劃是否合理。所以對區域物流規模的預測是所屬地區政府和企業都相當關心的問題。因此對區域物流的預測需求量進行研究具有十分重要的理論和現實意義，同時為當地政府建設物流基礎設施及制定物流產業規劃策略提供指導建議和理論的依據。

國外學者較早地對區域物流需求進行了預測，主要從預測運輸量入手對物流需求量進行估量。例如：Mudit Kulshreshtha等（2001）利用印度近35年的鐵路時間序列樣本構建了多元向量回歸模型對印度貨物需求的運輸量進行了估量，實證結果表明印度的鐵路運輸量極大地影響著當地的經濟發展。國內學者在21世紀初開始對物流預測的方法進行探究，其大多找尋物流需求量的原始數據帶入物流需求的預測模型中模擬未來的物流需求變化情況。……