随着我国冶金行业、化学工业、农业和航空航天等领域的快速发展,作为重要合金材料,钼的需求量不断增多,钼精矿物流量迅速增加。此外,由于我国区域间钼资源产品流动规模大、区域广、距离长,更加大了对物流服务的需求力度。原有钼精矿物流服务体系的构建未能充分考虑未来钼精矿物流需求的态势,因此,准确把握钼精矿需求空间地理结构并预测其物流需求量,是实现钼精矿物流资源供需平衡的重要保障。目前,预测问题的解决大多以机器学习为主,其中LSSVM更适用于物流需求这种小样本复杂系统的预测研究。但LSSVM的预测精度取决于核参数和惩罚参数的设置,因此本文引入DACPSO、CAS、DE-BA算法进行LSSVM参数寻优,建立钼精矿物流需求预测模型,实现对我国未来三年的钼精矿物流需求预测。本文主要完成了以下工作:(1)详细分析了我国钼精矿物流现状以及钼精矿物流需求相关知识体系。包括:钼精矿物流及物流需求概念及特点分析,钼精矿物流节点职能、空间结构及运输格局分析。确定了钼精矿物流需求衡量指标和物流需求预测基本步骤。同时,收集各物流节点货运量、进出口量相关物流统计数据,为钼精矿物流需求预测打下坚实的理论基础和数据基础。(2)从产业链、经济、社会等宏观角度分析了影响我国钼精矿物流需求的主要因素,收集主要影响因素相关数据,在此基础上完成钼精矿物流需求预测指标体系的构建。在处理指标选择问题时,采用灰色关联方法分析了相关影响因素与钼精矿物流需求之间的亲疏关系,得出各影响因素的重要程度,然后通过核主成分分析消除各主要影响因素之间的多重相关性,为下一步物流需求预测模型建立提供必要的基础。(3)构建基于改进LSSVM的钼精矿物流需求预测模型。针对钼精矿物流系统具有的复杂性、非线性、随机性特征,采用LSSVM模型用于物流需求预测问题求解。在此基础上,针对LSSVM参数寻优耗时长且效果差的问题,分别采用DACPSO、CAS、DE-BA算法对LSSVM的核参数和惩罚参数进行优化,构建基于DACPSO-LSSVM、CAS-LSSVM、DE-BA-LSSVM的钼精矿物流需求预测模型。(4)对我国钼精矿物流需求预测进行实证研究。选取1991年-2018年共28组数据来预测未来三年的钼精矿物流需求量。将数据样本分为训练样本与测试样本并对数据进行预处理,选择泛化能力较强的RBF函数作为核函数,定义均方误差最小为适应度函数,调整参数设置,按照LSSVM基础模型以及优化模型建立流程,分别得出其对应训练结果及测试结果并进行对比,结果表明,DE-BA-LSSVM模型的预测效果明显较优。故最终确定DE-BA算法为LSSVM参数寻优方法,以DE-BA-LSSVM模型为钼精矿物流需求预测模型,建模时间低至13s,建成模型的预测准确率可达98.42%。此外,模型的外推应用表明,我国钼精矿物流需求在未来几年呈上升趋势。本文在钼精矿物流运输现状分析的基础上,立足钼精矿货运量预测,将LSSVM、群智能优化算法与现实中物流需求预测问题相结合,科学合理地提出了LSSVM参数寻优办法并建立了钼精矿物流需求预测模型。其预测结果作为钼精矿物流系统规划的基础,为政府把握钼精矿物流需求强度,保证钼精矿物流服务供需相对平衡以及未来钼精矿战略储备问题的研究提供合理的决策依据。