基于模糊粗糙集与支持向量机的区域物流量预测

交通运输系统工程与信息 ›› 2012, Vol. 12 ›› Issue (3): 129-134.

基于模糊粗糙集与支持向量机的区域物流量预测

何满辉^*，逯林，刘拴宏

辽宁工程技术大学教务处，辽宁葫芦岛 125105

收稿日期:2012-01-11 修回日期:2012-03-12 出版日期:2012-06-24 发布日期:2012-07-03
作者简介:何满辉（1973-），男，山西绛县人，副教授，博士.
基金资助:
国家自然科学基金项目（70971059）；辽宁省教育厅人文社会科学研究项目（2009A342）.

Forecasting Regional Logistics Amount Based on FuzzyRough Set and SVM

HE Man-Hui, LU Lin, LIU Shuan-Hong

Dean’s Office, Liaoning Technical University, Huludao 125105, Liaoning, China

Received:2012-01-11 Revised:2012-03-12 Online:2012-06-24 Published:2012-07-03

摘要/Abstract

摘要：

对区域物流量进行研究与预测有助于把握区域物流的需求，实现区域物流供需相对平衡，提高区域物流规划质量和运行效率具有重要的理论和实际意义.本文将模糊粗糙集理论引入区域物流量的预测中，建立基于模糊粗糙集与支持向量机的区域物流量预测模型，用模糊粗糙集作为前端预处理器对数据进行约简，剔除冗余信息，以实现两种算法的优势互补.针对支持向量机在处理数据时无法将数据简化的问题，提出了基于模糊粗糙集与支持向量机的区域物流量预测方法，在支持向量机对样本数据进行处理之前，利用模糊粗糙集数据挖掘的能力对原始数据样本集进行预处理.结果表明，这种预测方法具有很好的精确性和有效性.

关键词: 物流工程, 支持向量机, 模糊粗糙集, 物流预测

Abstract:

The regional logistics research and forecasting is helpful for grasping the regional logistics demand, enforce relative balance between supply and demand of regional logistics and improve the quality of regional logistics planning and operational efficiency. To realize the complementary advantages of two algorithms, this paper introduces the fuzzyrough set theory into regional logistics forecast. It develops a model for regional logistics forecasting based on the fuzzy rough set and SVM. It then applies the fuzzy rough set as a frontend processor for data reduction and eliminates the redundant information. Because the SVM for processing data in the data reduction cannot be easily simplified, this paper proposes a forecasting method of regional logistics based on the fuzzy rough set and SVM. Before processing the sample data by SVM, the data is used to enlarge the capabilities of fuzzy rough set on original data samples for preprocessing. The results show that this prediction method has good accuracy and effectiveness.

Key words: logistics engineering, support vector machine (SVM), fuzzrough set, logistics forecasting

中图分类号:

U268.6

何满辉, 逯林, 刘拴宏. 基于模糊粗糙集与支持向量机的区域物流量预测[J]. 交通运输系统工程与信息, 2012, 12(3): 129-134.

HE Man-Hui, LU Lin, LIU Shuan-Hong. Forecasting Regional Logistics Amount Based on FuzzyRough Set and SVM[J]. Journal of Transportation Systems Engineering and Information Technology, 2012, 12(3): 129-134.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18413.shtml

http://www.tseit.org.cn/CN/Y2012/V12/I3/129

参考文献

[1]魏连雨,庞明宝.基于神经网络的物流量预测[J].长安大学学报:(自然科学版),2004,24(6):55-59. [WEI L Y, PANG M B. Forecasting of logistics amount based on artificial neural networks[J] Journal of Chang’an University (Natural Science Edition) 2004,24(6):55-59.]
[2]林连,林桦.改进的BP神经网络在港口物流预测中的应用[J].交通信息与安全,2009,27(5):161-165. [LIN L,LIN Y. Application of progressed BP neural network in port logistics prediction [J]. Traffic Information and Safety, 2009,27(5):161-165.]
[3]杨峰,牛惠民,邵晓彤.基于GABP算法的模糊神经网络模型在港口物流量预测中的应用[J].物流科技,2009(12):102-105. [YANG F, NIU H M, SHAO X T. Application fuzzy neural network model in port logistics forecasting based on GABP algorithm [J]. Logistics Technology,2009(12):102-105.]
[4]王冠奎,董艳.基于灰色马尔可夫模型的物流园区物流量预测研究[J].物流科技,2007(2):1-4. [WANG G K, DONG Y. Forecasting of logistics amount based on gray markov model [J]. Logistics Technology, 2007(2):1-4.]
[5]孙卫华,王成林,经维.邯郸国际物流园区物流量预测[J].物流技术,2009,28(7):121-123. [SUN W H, WANG C L, JING W. Logistics forecasts in Handan international logistics park [J]. Logistics Technology,2009,28(7):121-123.]
[6]吴玉朝,蔡启明,李斌.基于灰色马尔柯夫模型的逆向物流量预测[J].物流科技,10(2008):19-22. [WU Y C, CAI Q M, LI B. Forecasting of reverse logistics amount based on gray markov model [J]. Logistics Technology, 2008(10):19-22.]
[7]唐伟鸿,李文锋.基于时间序列的支持向量机在物流预测中的应用[J].物流科技,2005,28(3):8-11. [TANG W H, LI W F.Application of SVM based on time sequence in logistics forecast [J]. logistics Technology , 2005,28(3):8-11.]
[8]庞明宝,常振华,刘娟.基于非线性支持向量机区域物流量预测[J].物流科技,2007(9):20-23. [PANG M B, CHANG Z H, LIU J. Forecasting of regional logistics amount based on nonliner SVM. [J]. logistics Technology, 2007(9):20-23.]
[9]庞明宝,谢玲,郝然,等.基于偏最小二乘支持向量机回归区域物流量预测[J].河北工业大学学报,2008,37(2):91-96. [PANG M B, XIE L, HAO R, et al. Regression forecasting of regional logistics amount based on PLS and SVM [J]. Journal of Hebei Technology University. 2008,37(2):91-96.]
[10]Nello Cristianini,John Shawe Taylo.支持向量机导论(英文版) [M].北京:机械工业出版社,2005,7:93-160. [Nello Cristianini,John Shawe Taylo. Introduction to support vector machines (English)[M]. Beijing: Mechanical Industry Press, 2005,7:93-160.]
[11]王巍,刘德胜.基于支持向量机理论的煤矿瓦斯涌出量预测研究[J].煤矿机械,2011, 32(2):78-80. [WANG W, LIU D S. Forecasting of coal mine gas emission based on SVM[J]. Coal Mining Machinery, 2011,32(2):78-80.]
[12]洪菁,赵毅,陈强.基于模糊粗糙集的瓦斯涌出量预测模型的研究[J].微计算机信息,2007,23(3-2):259-261. [HONG J, ZHAO Y, CHEN Q. Study on prediction gas emission model based on fuzzy rough set [J]. Micro Computer Information, 2007,23(3-2):259-261.]
[13]杨志梁,张雷,程晓凌.区域物流与区域经济增长的互动关系研究[J].北京交通大学学报（社会科学版）,2009,(01):38-40. [YANG Z L, ZHANG L, CHENG X L. Study on interactive relationship between regional logistics and regional economic growth [J]. Journal of Beijing Jiaotong University (JCR Social Science Edition), 2009(01):38-40.]
[14]邓聚龙.灰色系统基础方法[M].武汉:华中科技大学出版,2002.[DENG J L. Basic method of grey system[M]. Wuhan: Huazhong University of Science and Technology Press, 2002.]

[1]	张英贵, 姚璎华, 高全, 雷定猷. 铁路集装箱混合货物平衡装载布局优化模型与算法[J]. 交通运输系统工程与信息, 2022, 22(2): 214-222.
[2]	姜晓红, 陈莎, 张毅. 物流企业碳排放总量与效率测算方法[J]. 交通运输系统工程与信息, 2022, 22(2): 313-321.
[3]	周小祥, 黄承锋. 农村物流末端共配联盟演化博弈及稳定性研究[J]. 交通运输系统工程与信息, 2022, 22(1): 265-272.
[4]	朱兴林, 姚亮, 刘泓君, 叶拉森∙库肯, 克然木∙司马义. 基于乘客感知的多模式公交服务质量差异性研究[J]. 交通运输系统工程与信息, 2021, 21(6): 84-95.
[5]	王清斌, 于江宁, 郑建风. 甩挂运输模式下新增运输任务的干扰管理模型[J]. 交通运输系统工程与信息, 2021, 21(6): 160-166.
[6]	柳伍生, 李旺, 周清, 迭纤. “无人机-车辆”配送路径优化模型与算法[J]. 交通运输系统工程与信息, 2021, 21(6): 176-186.
[7]	珠兰, 马潇, 刘卓凡. 时间依赖型绿色车辆路径问题研究[J]. 交通运输系统工程与信息, 2021, 21(6): 187-194.
[8]	戢晓峰, 卢梦媛, 覃文文. 货车移动遮断影响下的小客车驾驶行为识别[J]. 交通运输系统工程与信息, 2021, 21(5): 174-182.
[9]	奇格奇, 张子贤, 卫振林, 李宝文. 基于语义挖掘的快递运输货品风险评价研究[J]. 交通运输系统工程与信息, 2021, 21(4): 248-255.
[10]	杨森炎，宁连举，商攀. 基于时空状态网络的电动物流车辆路径优化方法[J]. 交通运输系统工程与信息, 2021, 21(2): 196-204.
[11]	杨华龙，辛禹辰，高浩然. 随机扰动项呈离散分布的库存路径和定价问题的模型与算法[J]. 交通运输系统工程与信息, 2021, 21(2): 211-216.
[12]	赵丹，王景升，周妍，刘东，邢立利. 新冠疫情对城市核心区交通安全的干预效应分析[J]. 交通运输系统工程与信息, 2020, 20(6): 84-90.
[13]	辛禹辰，施胜男，杨华龙. 基于订单拆分的线上到线下连锁门店配送优化模型[J]. 交通运输系统工程与信息, 2020, 20(5): 212-217.
[14]	杨飞，姜海航，刘好德，姚振兴，霍娅敏，周子一. 基于GPS轨迹数据的不同交通状态下交通方式识别流程优化方法[J]. 交通运输系统工程与信息, 2020, 20(4): 83-89.
[15]	于江霞，杜红亚，罗太波. 基于客户分类的即时配送路径优化研究[J]. 交通运输系统工程与信息, 2020, 20(4): 202-208.