供應鏈管理環(huán)境下物流園區(qū)貨流預測研究.pdf

1、物流園區(qū)(Logistics Park or Freight Village)是具有一定規(guī)模和綜合服務功能的物流集結點，在供應鏈管理環(huán)境的影響下，對未來的經(jīng)濟發(fā)展將起到舉足輕重的作用。隨著對土地的嚴格管控，城市可用于建設物流園區(qū)的土地日益緊缺，必須對貨流進行精確預測和評估，才能增強物流園區(qū)規(guī)劃合理性，使之成為發(fā)展現(xiàn)代物流、促進經(jīng)濟增長的物流樞紐。因此預測方法的選用研究以及提高貨流預測準確度成為貨流預測的熱點。本文重點研究了供應鏈管理環(huán)境

2、下物流園區(qū)貨流預測問題。 詳細論述了物流園區(qū)貨流分析的內(nèi)容及特征，深入討論了影響物流園區(qū)貨流量變動的主要因素，對蓋家溝物流園區(qū)貨流進行了細致的調(diào)查和分析。通過對回歸分析(Regression Analysis，RA)、時間序列(Time Series,TS)、灰色理論(Grey Model,GM)、神經(jīng)網(wǎng)絡(Neural Network，NN)等傳統(tǒng)和現(xiàn)代預測方法的比較分析，分別從物流園區(qū)層面和區(qū)域經(jīng)濟層面，建立了基于季節(jié)影響因

3、素的混合灰色BP算法神經(jīng)網(wǎng)絡(Grey-Back Propagation Neural Network，GBPNN)預測模型和基于RBF的廣義回歸神經(jīng)網(wǎng)絡(GRNN)預測模型。 GBPNN中，對梯度下降BP算法函數(shù)traingd、梯度下降動量BP算法函數(shù)trainlm和動量及自適應梯度遞減訓練函數(shù)traingdx進行比較分析，確定選用trainlm作為訓練函數(shù)。通過建立專家評估系統(tǒng)，對物流園區(qū)貨流季節(jié)影響因子進行評估，然后將季節(jié)

4、影響因子作為GBPNN的輸入層，采用試算法確定網(wǎng)絡輸入節(jié)點和隱層節(jié)點個數(shù)，最大限度地避免了產(chǎn)生局部極值，提高了預測精度；GRNN模型中，采用關聯(lián)分析方法確定影響因素關聯(lián)程度大小，設置不同的光滑因子比較和檢驗，得到比較理想的預測效果。 通過采用蓋家溝物流園區(qū)TCL配送貨流數(shù)據(jù)，用Matlab編程對GBPNN和GRNN兩預測模型進行了驗證，得出所設計的GBPNN和GRNN預測模型在物流園區(qū)貨流預測應用中預測逼近效果良好、預測精度高的