基于核主成分-最小二乘支持向量机的区域物流需求预测.pdfVIP

文章编号：lo03—142l(20l2)11-0063-05 中图分类号：F252．21 文献标识码：A 基于核主成分一最小二乘 支持向量机的区域物流需求预测 ForecastofRegionatLogisticDemandbasedonKPCA-LSSVM 梁毅刚 ，耿立艳 ，张 占福 LIANG Yi一8ans GKNG Li—yan ， ZHANG Zhan—fu ， (1．石家庄铁道大学 经济管理学院，河北 石家庄 050045；2．石家庄铁道大学 四方学院 河北 石家庄 051152) (1．SchoolofEconomyandManagement，ShijiazhuangRailwayCollege，Shijiazhuang 050043，Hebei， China；2．SifangSchool，ShijiazhuangRailwayUniversity，Shijiazhuang 051132，Hebei，China) 摘 要 ：概述 区域物流需求预测方法 ，分别阐明核主成分分析 (KPCA)和最小二乘 支持 向量机 (LSSVM)模型的原理，提 出将核主成分分析 (KPCA)与最小二乘支持向量 机 (LSSVM)相结合 ，建立核主成分一最小二乘支持 向量机 (KPCA—LSSVM)预测模型。先 利用KPCA对数据进行预处理 ，消除变量之间的相关性，提取非线性主成分 ，再通 过 LSSVM对提取的非线性主成分进行训练 ，建立预测模型。最后 ，通过实例验证 比 较LSSVM与KPCA—LSSVM两种模型的预测性能。结果表 明，KPOA—LSSVM的预测精度较 LSSVM明显提高，是一种有效的中短期区域物流需求预测方法 。 关键词 ：区域物流 ；需求预测 ；最小二乘支持 向量机 ；核主成分分析 Abstract：Thispapersummarizesregionallogisticdemand，expoundsthe principleofkernel principalcomponentanalysis(KPCA)andleastsquaressupportvectormachine (LSSVN)， putsforward thatthe KPCA couldbe combinedwith LSSVM．and theforecastmodeIofKPCA— LSSVM couldbeestablished．Firstly，makingdatapretreatmentbyKPCA，eliminatingtherelativity between variableanddistillingnonlinearityprincipalcom ponent，thentrainingthedistilledprincipal componentbyLSSVM andestablishingforecastmode1．Inthe end．theforecastfunctionofLSSVM andKPCA—LSSVM modelsisvalidatedandcomparedbyexamples．Theresultshowstheforecast precision ofKPCA—LSSVM jSobviouslyhigherthan LSSVM ．andtheKPCA—LSSVM modeljSa effectiveforecastmethodofregionallogisticdemand inmiddle—term andshort．term ． Key