[发明专利]一种物流园区腹地物流需求预测方法在审

专利信息
申请号: 201811584868.5 申请日: 2018-12-24
公开(公告)号: CN109697531A 公开(公告)日: 2019-04-30
发明(设计)人: 彭京平;孙逊;刘文;南海超;陈彦如;张仪彬;孙雪松;兰建华;刘兆生;肖贺荣 申请(专利权)人: 中铁第四勘察设计院集团有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/08;G06N20/10
代理公司: 武汉东喻专利代理事务所(普通合伙) 42224 代理人: 赵伟
地址: 430063 湖北省*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 物流 园区 支持向量回归机 区域物流 需求预测 测试集 训练集 预测 验证 测试样本 模型预测 输入关系 需求确定 需求数据 需求影响 样本数据 预测技术 预测结果 预测模型 原始数据 小样本 样本集 构建 拟合 采集 表现
【权利要求书】:

1.一种物流园区腹地物流需求预测方法,其特征在于,包括如下步骤:

(1)采集物流园区腹地内各区域物流需求数据及历史数据,构建样本集;

(2)将样本数据分为训练集及测试集;训练集用于获取描述输入关系的支持向量回归机模型,测试集用于对模型预测效果进行验证;

(3)将所得参数带入支持向量回归机,对测试样本进行预测,获得预测结果,并与原始数据进行对比,验证预测效果;

(4)将各区域的物流需求影响指标带入训练好的支持向量回归机中,对其该区域物流需求进行预测;

(5)根据各区域的区域物流需求确定物流园区腹地的物流需求。

2.如权利要求1所述的物流园区腹地物流需求预测方法,其特征在于,支持向量回归机模型的核函数采用多项式核函数、径向基函数或Sigmoid函数。

3.如权利要求1或2所述的物流园区腹地物流需求预测方法,其特征在于,确定支持向量回归机模型惩罚函数及核函数参数的方法,包括:

(2.1)确定包括初始种群规模、交叉率、变异率、最优个体保留个数的遗传算法运行参数;

(2.2)以二进制编码方式建立N×L矩阵作为种群,并随机生成初始种群,N与L取自然数;

(2.3)将初始种群中的每个个体带入支持向量回归机模型中进行计算,将输出结果与原始数据进行对比,计算出训练样本的错分率,从而得出每个个体的适应度;

(2.4)对种群进行选择、交叉、变异的遗传操作,生成下一代种群,并多次迭代;

(2.5)当满足终止条件时,停止迭代;满足终止条件获得惩罚函数、核函数参数。

4.如权利要求3所述的物流园区腹地物流需求预测方法,其特征在于,迭代终止条件为达到最大进化次数或适应度不再变化。

5.如权利要求1或2所述的物流园区腹地物流需求预测方法,其特征在于,所述步骤(5)包括如下子步骤:

(5.1)预测所研究的物流园区k的腹地所占据的不同行政区域i(i=1,2,3…n)的远期区域物流需求bi(i=1,2,3…n);i为行政区域编号;

(5.2)确定物流园区腹地k所占的不同行政区域的比例rki;其中,k=1,2,3…n

(5.3)获取物流园区k的腹地的物流需求

Fki为物流园区k的腹地物流需求,rki为物流园区腹地k所占的行政区域的比例。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中铁第四勘察设计院集团有限公司,未经中铁第四勘察设计院集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811584868.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code