基于灰关联分析的最小二乘支持向量机物流需求预测  

Forecasting of Logistics Demand Based on Grey Correlation Analysis and Least Square SVM

作　　者：耿立艳[1] 丁璐璐[2] 

机构地区：[1]石家庄铁道大学经济管理学院,河北石家庄050043 [2]哈尔滨理工大学马克思主义学院,黑龙江哈尔滨150080

出　　处：《物流技术》2013年第10期130-132,135,共4页Logistics Technology

基　　金：河北省社会科学基金项目(HB12YJ035);国家软科学研究计划项目(2010GXQ5D320)

摘　　要：将最小二乘支持向量机(LSSVM)与灰色关联分析方法结合,提出一种基于灰色关联分析的最小二乘支持向量机物流需求预测方法。该方法采用灰色关联分析选取影响物流需求的主要因素,再将选取出的主要影响因素作为LSSVM输入变量,利用LSSVM的非线性映射优势预测物流需求量。对我国物流需求的实证研究表明,灰色关联分析能够有效选择LSSVM输入变量,基于灰色关联分析的LSSVM模型较单一LSSVM具有更高的物流需求预测精度。In this paper, we combined lease square support vector machine （LSSVM） with grey correlation analysis and proposed the forecasting method of logistics demand based on the combination. Then after applying it to an empirical study, we found that grey correlation analysis could effectively select the input variables of LSSVM and the combinational model boasted higher prediction accuracy than traditional LSSVM.

关 键 词：物流需求预测 最小二乘支持向量机 灰关联分析 

分 类 号：F252[经济管理—国民经济] O241.1[理学—计算数学]