《管理论文基于ＡＨＰ和ＢＰ神经网络的高速公路物流预测模型研究.doc》由会员分享，可在线阅读，更多相关《管理论文基于ＡＨＰ和ＢＰ神经网络的高速公路物流预测模型研究.doc（3页珍藏版）》请在三一办公上搜索。
1、基于和神经网络的高速公路物流预测模型研究 基于和神经网络的高速公路物流预测模型研究是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，基于和神经网络的高速公路物流预测模型研究是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，基于和神经网络的高速公路物流预测模型研究的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。 摘要 结合高速公路的特点，基于层次分析法和神经网络，建立高速公路物流预测模型，以湖南高速公路物流为样本对模型进行实证分析，验证模型
2、的有效性和准确性。关键词 高速公路物流预测层次分析法神经网络一、引言近年来，我国高速公路的快速发展带动了高速公路物流产业的兴起，但是从总体上而言，高速公路物流产业的发展还处于初级阶段，相关研究比较少。目前国内研究主要是采用神经网络的方法建立模型并进行预测，普遍存在输入变量权重、维数难定和预测精度偏低的问题。 针对以上问题，运用层次分析法和神经网络结合的研究方法，利用层次分析法确定变量权重和维数的优势，弥补BP算法在这里的不足，极大地增强了物流量预测的精确性。二、高速公路模型的设计1.高速公路物流量的相关因素分析影响高速公路物流量规模的因素较多，但从总体上考虑主要有三个：沿线经济发展水平、产业结
3、构和经济布局，文中指标的选定也是根据这些因素来确定。由于影响地区经济发展的相关因素之间存在一定的权重和次序关系，采用层次分析法对这些相关因素进行权重设置和排序，保证了BP神经网络建模的准确性，同时由于反映高速公路物流需求的指标有多个，如货运量、货物周转量，为保证结论的准确性，确认的输出变量也为多个。2.构建基于神经网络的物流预测模型高速公路物流需求神经网络采用三层BP结构，即输入层、隐含层及输出层，其中输入的节点数目为可以用来预测高速公路物流规模的影响地区经济发展的经济变量的个数，输出的节点数目为所预测的高速公路物流规模的变量个数。 三、预测模型的应用1.预测指标的确定为验证上述模型的有效性，
4、以湖南高速公路作为应用实例，同时考虑数据的可得性，本文选用的物流规模预测的经济指标为：湖南省GDP、第一产业产值、第二产业产值、第三产业产值、地区零售总额、进出口总额和人均消费水平，分别设为x1x7。此外由于衡量高速公路物流规模的变量有多个，文中选取的输出变量是最能代表高速公路物流规模的，即高速公路货运量和货运周转量，分设为和。2.指标权重的确定确定上述经济指标的权重是为了对神经网络输入变量进行优化，下表是湖南高速公路相关物流规模指标数据的权重，指标权重的大小是根据层次分析法的相关原则进行确定的，主要原则根据这些经济指标对高速公路货运量和货物周转量的影响程度来确定。湖南高速公路相关指标权重表
5、3.模型的建立和运行实际运算采用MATLAB7.1软件中的SIMULINK工具箱对湖南高速公路1981年2005年的相关数据进行训练、检测。首先构建一个“7-15-2”神经网络，且中间层神经元为15时，网络收敛速度较快，误差为（0，0.05），表明建成的神经网络完备度好，可以进行预测。然后将2005年的相关数据（14400.39，2021.57，7992.29，4386.53，2459.12，60.05，4984）输到训练好的神经网络，得2006年的预测结果为7332万吨和142.9亿吨公里 ，而2006年湖南省高速公路的实际货运量和货物周转量分为6921.6万吨和 177.6亿吨公里，误差率
6、0.06%和0.19%，总体误差不超过0.2%,而单纯使用神经网络的物流预测模型一般的误差都在1%3%之间，因此采用层次分析法和BP神经网络结合的方法大大提高了预测结果的准确性，从而充分验证了本模型的科学性和有效性。四、结论与展望通过将层次分析法和BP神经网络结合对高速公路的物流量进行预测，与目前单一神经网络法预测物流量相比，极大提高了预测结果的准确性，为高速公路物流的持续发展提供了量化依据。但由于影响高速公路物流发展的因素众多，只选取部分影响因素，所以预测结果要推广到实际运作中还有不足，这也是我们下一步要深入探讨的。参考文献：1Fite J, Taylor G, Usher J, Rober
7、ts J:Forecasting freight demand using economic indices J, International Journal of Physical Distribution & Logistics Management, 2001 ,31(4):2992李晓峰，刘光中:人工神经网络BP算法改进及应用.四川大学学报，2000.33王维国张静静:基于BP神经网络的货运量预测方法.物流技术，2005.74黄永安马路刘慧敏:MATLAB/Simulink6.0建模仿真开发与高级工程应用M.清华大学出版社，2005.12其他参考文献Baker, Sheridan. T
8、he Practical Stylist. 6th ed. New York: Harper & Row, 1985.Flesch, Rudolf. The Art of Plain Talk. New York: Harper & Brothers, 1946.Gowers, Ernest. The Complete Plain Words. London: Penguin Books, 1987.Snell-Hornby, Mary. Translation Studies: An Integrated Approach. Amsterdam: John Benjamins, 1987.H
9、u, Zhuanglin. 胡壮麟, 语言学教程 M. 北京: 北京大学出版社, 2006.Jespersen, Otto. The Philosophy of Grammar. London: Routledge, 1951.Leech, Geoffrey, and Jan Svartvik. A Communicative Grammar of English. London: Longman, 1974.Li, Qingxue, and Peng Jianwu. 李庆学、彭建武, 英汉翻译理论与技巧 M. 北京: 北京航空航天大学出版社, 2009.Lian, Shuneng. 连淑能,
10、 英汉对比研究 M. 北京: 高等教育出版社, 1993.Ma, Huijuan, and Miao Ju. 马会娟、苗菊, 当代西方翻译理论选读 M. 北京: 外语教学与研究出版社, 2009.Newmark, Peter. Approaches to Translation. London: Pergmon P, 1981.Quirk, Randolph, et al. A Grammar of Contemporary English. London: Longman, 1973.Wang, Li. 王力, 中国语法理论 M. 济南: 山东教育出版社, 1984.Xu, Jianping. 许建平, 英汉互译实践与技巧 M. 北京: 清华大学出版社, 2003.Yan, Qigang. 严启刚, 英语翻译教程 M. 天津: 南开大学出版社, 2001.Zandvoort, R. W. A Handbook of English Grammar. London: Longmans, 1957.Zhong, Shukong. 钟述孔, 英汉翻译手册 M. 北京: 商务印书馆, 1983.Zhou, Zhipei. 周志培, 汉英对比与翻译中的转换 M. 上海: 华东理工大学出版社, 2003.
