基于孤立点消除合理选择训练样本的物流预测  

Forecasting of Logistics Demand Based on IFCM-RBFNN

作　　者：邓湧 

机构地区：[1]江西外语外贸职业学院,江西南昌330099

出　　处：《物流技术》2014年第7期253-255,267,共4页Logistics Technology

基　　金：江西省高校人文社科项目(GL1221);江西省社会科学规划项目(11GL39)

摘　　要：为了提高物流需求的预测精度,提出一种基于消除孤立点合理选择训练样本的物流预测(IFCM-RBFNN)。首先采用密度方法识别和剔除原始物流需求数据中的孤立点,消除孤立点对聚类结果的不利影响;然后采用模糊均值聚类(FCM)算法对物流需求数据进行聚类,选择最优训练样本集;最后采用RBF神经网络建立物流需求预测模型,并采用仿真实验对其性能进行测试。仿真结果表明,相对于对比模型,IFCM-RBFNN提高了物流需求的预测精度,预测结果更加可靠。In this paper, in order to improve the accuracy of the forecasting of logistics demand, we proposed the forecasting method based on IFCM-RBFNN, then introduced the working mechanism of the method and at the end, through a simulationcompared it with other logistics demand forecasting methods.

关 键 词：物流需求 RBF神经网络 模糊均值聚类 密度方法 预测精度 

分 类 号：F252.21[经济管理—国民经济]