基于rbf和arima模型下货运量预测算法与软件实现

《基于rbf和arima模型下货运量预测算法与软件实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号分类号10532学密号级G09246216工程硕士学位论文基于RBF和ARIMA模型下货运量预测算法与软件实现学位申请人姓名解树国培养单位软件学院导师姓名及职称祝树金教授刘明高级经济师学研科究专方业向软件工程电子商务与物流管理论文提交日期2012年10月学校代号：10532学密号：G09246216级：湖南大学工程硕士学位论文基于RBF和ARIMA模型下货运量预测算法与软件实现学位申请人姓名：解树国导师姓名及职称：祝树金教授刘明高级经济师培养单位：专业名称：论文提交日期：论文答辩日期：答辩委员

2、会主席：软件学院电子商务与物流管理2012年10月2012年11月23日林亚平教授AlgorithmsResearchandSoftwareRealizationonFreightVolumeForecastingBasedRBFandARIMAModelByXIEShuguoB.E.(NationalUniversityofDefenseTechnology)2008AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinE

3、-commerceandLogisticsSoftwareEngineeringintheGraduateSchoolofHunanUniversitySupervisorsProfessorZHUShujinSeniorEconomistLIUMingOct,2012湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后

4、果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□，在______年解密后适用本授权书。2、不保密□。（请在以上相应方框内打“√”）作者签名：导师签名：日期：日期：年年月月日日摘要作为运输基础设施建设的投资决策基础，货运量预测在国家和区域

5、经济发展规划中具有十分重要的意义。货运量预测是指在调查货运量及相关因素历史数据的基础上，选择合适的预测方法，对未来运量及其变化规律进行估计，为制定有关政策、编制交通运输发展规划、物流园区及货运通道发展规划等提供科学依据；为物流企业经营、管理和决策提供科学依据。本文在分析了国内外研究现状的基础上，采用了多种方法对货运量进行了预测。主要完成了以下工作：（1）分析了传统RBF神经网络预测具有增长趋势的时序数据的局限性。一般的规划项目中需要预测若干年后的数据，但相关因素数据与目标函数值都呈增长趋势，因此不在神经网络的拟和区间，用于预测的输入数据总是在最后一

6、个聚类中，因此以往的RBF神经网络模型精度不高。（2）提出了一种混合RBF网络模型，将时间因素与相关因素都作为该网络的输入。其中时间因素直接与输出端相连，因此该模型本质上是利用RBF网络对时序数据的线性残差拟和，该模型特别适合于预测具有增长趋势的预测目标。分析了RBF网络参数学习算法速度较慢，设计了基于最近邻聚类和梯度下降修正参数值的学习算法。（3）建立了ARIMA模型进行了货运量预测，并对结果作了分析。以RBF神经网络和ARIMA模型作为基本模型，构建了基于最优权系数的线性组合模型，并提出了最优权系数求解算法。（4）采用matlab语言实现上述算

7、法，设计了货运量预测软件。分析了软件特点及基本功能。并运用某市货运量统计数据预测，验证了算法的有效性和软件的工程实用性。关键词：货运量预测；RBF神经网络；ARIMA模型；组合预测IAbstractFreightVolumeForecast(FVF)playsanimportantroleinnationalandregionaldevelopmentplan,aswellasabaseofinvestmentdecisionmakingfortransportinfrastructure.ResearchonFVFaimsathowtomineu

8、sefulinformationfromtransportationsystemanduseforecastmodelto