APP下载

基于DAPSO-UGM(1,1)模型的物流需求预测

2016-06-23张连伟耿立艳

中国市场 2016年10期

张连伟,何 梁,耿立艳

(石家庄铁道大学 经济管理学院,河北 石家庄 050043)

基于DAPSO-UGM(1,1)模型的物流需求预测

张连伟,何梁,耿立艳

(石家庄铁道大学经济管理学院,河北石家庄050043)

[摘要]物流需求预测的准确性对我国的经济发展具有重要作用。为提高物流需求的预测精度,文章利用动态自适应粒子群优化算法(DAPSO)优化无偏灰色预测模型[UGM(1,1)]参数,构建DAPSO-UGM(1,1)模型预测物流需求。以我国物流需求为例,证明了DAPSO-UGM(1,1)模型的有效性,并预测了未来我国的物流需求,为物流需求预测提供了新的方法。

[关键词]动态自适应粒子群算法;无偏灰色预测模型;物流需求预测

[DOI]10.13939/j.cnki.zgsc.2016.10.010

随着经济的发展,物流需求在交通网络规划、物流设施投资和物流规划等方面扮演着越来越重要的角色,因此准确的物流需求预测对我国的经济发展具有重要的意义。现有的预测模型中较为常用的是时间序列、回归分析和灰色预测模型,由于时间序列和回归分析预测模型在实际应用中考虑的相关因素较少,因此预测误差相对较大,而灰色预测模型在预测时需要的数据较少,预测精度较高且适用于中长期的预测,所以不少学者开始将灰色预测(GM(1,1))模型引入物流需求预测[1,2]中,而在物流需求预测中GM(1,1)模型[3]是最常用的。在GM(1,1)模型的基础上,又出现了预测性能优于GM(1,1)模型的无偏灰色预测(UGM(1,1))模型[4],但该模型随着发展系数的变大,性能有变差的趋势,进而导致物流需求的预测精度下降。粒子群优化(PSO)算法是一种群智能优化算法[5],在参数优化方面得到广泛应用。……

登录APP查看全文