[发明专利]一种基于PCA-BP神经网络模型的区域物流需求预测方法

权利要求书

1.一种基于PCA-BP神经网络模型的区域物流需求预测方法，其特征在于，包括如下步骤：

步骤1：将获取的数据进行转化整合，影响区域物流需求的数据特征多且数据结构复杂，在进行数据处理之前需要先进行数据的转化整合处理，将各数据归一化，归一化的数据有利于后续的PCA及BP算法模型的建立；

步骤2：建立影响区域物流预测的特征数据库；

步骤3：将数据库中的原始数据划分一部分数据为测试数据，用于测试优化算法后的模型有效性，剩余的数据作为建立模型的训练数据；

步骤4：采用PCA降维算法将原始八维特征做降维处理，在贡献率保证的情况下完成数据建模前的预处理；

步骤5：构造BP神经网络模型，将影响区域物流预测的特征值作为网络输入，输出为预测物流货运量Y参数，即网络输入量和输出量的维数分别为8和1；

BP神经网络的输入经过一个隐含层得到输出H_l，公式如下：

式中，x_i为输入向量，v_i1为输入层到隐含层的权重，a_l为隐含层的阈值，n为输入向量维数，l为隐含层节点数，f₁为输入层到隐含层的传递函数；

隐含层的输出H_l又经过由隐含层到输出层之间的权重w00，w01，…，wl-1，m-1和输出层的阈值b0，b1，…，bm-1构成的映射关系得到最终的输出Y_m，公式如下；

式中，H_i为隐含层的输出向量，w_im为隐含层到输出层的权重，b_m为输出层的阈值，m为输出向量维数，f₂为隐含层到输出层的传递函数；

望输出用O_K表示，总的误差用残差平方和E表示，公式如下。

式中，m为输出向量的维数；

根据反向传播原理，尽可能使得输出的残差平方和E最小即可达到拟合的目的；

步骤6：通过不断调整BP神经网络参数达到最佳的预测效果；

步骤7：利用测试数据测试基于PCA-BP神经网络模型的区域物流需求预测。

2.根据权利要求1所述的一种基于PCA-BP神经网络模型的区域物流需求预测方法，其特征在于：所述步骤2数据库中每个样本包括地区域国民生产总值GDP的比例X1，第一产业占GDP的比例X2，第二产业占GDP的比例X3，第三产业占GDP的比例X4，进出口贸易总额X5，社会消费品零售总额X6，区域内城镇居民人均可支配收入X7，网络用户数X8八个特征和一个预测输出物流货运量Y。