论文部分内容阅读
随着经济一体化,物流在实现资源优化配置中的地位日益重要,区域物流是区域经济的主要构成要素。从单个企业物流合理化走向区域物流合理化,是社会经济发展的必然趋势。因此,规划和建立完善的区域物流网络体系具有十分重要的意义,而区域物流需求预测研究是其中重要的环节。传统的物流需求量预测方法对物流需求量与预测影响因素的高度非线性无法辨识,对于一些模糊等不确定性因素无法处理,造成预测结果的严重失真的问题。运用广义回归神经网络(GeneralizedRegression Neural Network,GRNN)来构建预测模型,泛化性能良好,在逼近能力、分类能力和学习速度上有着较强的优势,具有很强的非线性拟合能力等优点,适合用于预测分析。但广义回归神经网络的唯一调节参数—平滑因子难以确定,其值对网络的预测性能影响很大。因此,本文提出一种改进的自适应粒子群优化算法(Adaptive ParticleSwarm Optimization,APSO)来确定平滑因子。将平滑因子映射为粒子,根据粒子的适应度值一致等价于粒子位置的特点,通过比较粒子适应度值与当前全局最优适应度值的差来自适应调整惯性权值,并按当前种群平均粒距对种群中部分粒子进行变异操作,克服早熟收敛,找到全局最优的平滑因子,从而确定广义回归神经网络模型。通过实证研究证明,本文构建的APSO-GRNN预测模型适合用于预测区域物流需求量。