[发明专利]一种物流园区腹地物流需求预测方法

说明书

本发明属于物流预测技术领域，公开了一种物流园区腹地物流需求预测方法，包括：采集物流园区腹地内各区域物流需求数据构建样本集；将样本数据分为训练集及测试集；训练集用于获取合理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；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；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；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；本发明提供的物流园区腹地物流需求预测方法，不仅对小样本数据表现出良好的拟合精度，还对独立的测试集表现出较小的误差，提升了预测模型的泛化能力。

技术领域

本发明属于物流预测技术领域，具体涉及一种的物流园区腹地物流需求预测方法。

背景技术

现有的物流需求预测方法研究包括：采用基于传统统计学的预测方法，以及在传统统计学的预测方法基础上引入人工智能，采用预测模型进行预测的方法。

其中，基于传统统计学的预测方法包括灰色理论模型、回归分析、弹性系数法、聚类法、投入产出模型、时空多项式概率模型等，这类方法应用在物流园区规划中存在很多问题，譬如要求有较大的样本容量，而真实区域物流需求数据样本较少且难以收集，这对预测方法的验证有很大的影响；此外这些方法在处理具有特殊特点的数据，如具有高维度、呈非正态分布等特点的数据时，效果不理想。同时这些方法在处理数据时步骤缺乏灵活性，对所有数据进行一视同仁的处理等。

引入了人工智能技术的物流需求预测算法包括人工神经网络(ANN)及其改进型，这类方法虽然能在一定程度上弥补传统方法的不足，但其所用的人工神经网络及其改进型的预测方法，在使用时也暴露出了一些缺点：譬如不能从保证预测模型的泛化能力；在学习样本数量有限时，学习过程误差易收敛于局部极小点，学习精度难以保证；学习样本变量很多时，又陷入“维数灾难”；主要依靠的是经验风险最小化原则。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种物流园区腹地物流需求预测方法，其目的实现对物流园区物流需求的准确预测。

为实现上述目的，按照本发明的一个方面，提供了一种物流园区腹地物流需求预测方法，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；训练集用于获取合理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。

优选地，上述物流园区腹地物流需求预测方法，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。

优选地，上述物流园区腹地物流需求预测方法，其步骤(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b_i(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r_ki；其中，k＝1,2,3…n

(5.3)获取物流园区k的腹地的物流需求