论文部分内容阅读
提出了一种基于GM（1,1）和BP神经网络的组合预测模型.首先对传统GM（1,1）模型的背景值进行改进,再利用改进的GM（1,1）模型和BP神经网络模型各自的优势分别预测冷链物流需求量的线性主体部分和非线性残差部分,然后将二者进行加和,并通过MATLAB对大连水产品冷链物流需求量进行仿真预测.结果表明,与单一的预测模型相比,该组合模型具有更高的预测精度,使预测结果更接近实际情况.