论文范文网-权威专业免费论文范文资源下载门户!
当前位置:毕业论文格式范文>论文范文>范文阅读
快捷分类: 中国学术期刊网络出版总库 网络安全论文 网络营销论文 计算机网络毕业设计 网络营销相关论文 网络论文 神经网络文献综述 人工神经网络文献综述 bp神经网络文献综述 神经网络开题报告 有关神经网络的外文文献翻译 网络规划设计师论文范文

关于神经网络方面专升本毕业论文范文 跟基于BP神经网络的北京市物流需求预测有关学士学位论文范文

分类:论文范文 原创主题:神经网络论文 发表时间: 2024-02-25

基于BP神经网络的北京市物流需求预测,该文是神经网络类有关自考毕业论文范文与神经网络和BP神经网络和需求预测类论文写作技巧范文.

摘 要:随着物流在国民经济中重要性的提高,对于物流需求的准确预测成了物流发展规划中重要的一部分.选取了对物流需求影响较大的七个指标构建了一个三层的神经网络,对2006-2015年北京市的物流需求进行了预测.结果表明BP神经网络模型的预测结果比回归分析预测结果更好,且相对预测误差不超过0.05. 关键词:物流;需求预测;BP神经网络 中图分类号:F25文献标识码:Adoi:10.19311/j.cnki.16723198.2018.05.012

0引言 随着科技的不断进步和社会生产能力的逐步提高,资源和劳动力在供大于求和销售到达极限的情况下已很难带来利润的增加,这时“第三利润的源泉”,即物流的重要性便显著增加.2009年国务院印发了《物流业调整和振兴规划》,指出了物流行业在国民经济中的重要地位,提出了“促进物流业平稳较快发展”的要求;2014年国务院印发了《物流业发展中长期规划(2014—2020年)》,分析了我国物流行业的发展现状,并提出了2014-2020年物流发展的详细规划.可以看出,物流已经成为经济发展中极其重要的一个环节.而物流行业高效快速的发展离不开物流系统的合理设计和有效控制,这其中十分重要的一个环节便是对物流需求的准确预测.有不少学者针对物流需求预测问题进行了研究,过秀成(2001)等曾利用投入产出模型分析了区域物流需求,得到了兼顾社会经济和物流供应条件两方面因素的模型.初良勇(2004)比较了回归分析、灰色模型和神经网络在物流需求预测中的不同结果并通过组合预测的方法提高了预测的精度.方威(2009)采用传统的线性回归模型预测了物流需求并发现了经济发达程度与物流需求量的相关关系.王新利(2010)应用神经网络研究了农产品的物流需求,提高了预测的准确度.张诚(2012)将粗糙集和多元回归分析引入到铁路物流需求预测中.可以看出物流需求预测的方法有很多,本文选取预测能力较强的BP神经网络(张景阳,2013)来预测北京市的物流需求,并将结果与普通的回归预测进行了比较. 1物流需求的影响因素分析 影响物流需求的因素有很多,由于物流行业的发展与经济的发展存在密切联系,因此衡量经济发展水平的指标,例如生产总值,可以用来预测物流需求.同时,区域零售行业和进出口贸易的发展也对物流需求有着重要的影响(文培娜,2009).另外,朱翠娟(2016)的研究表明居民消费水平也与物流需求存在明显的相关关系.因此,本文选取地区生产总值、第一产业增加值、第二产业增加值、第三产业增加值、社会商品零售总额、货物进出口总额、居民人均消费支出和货物运输量七个指标来预测北京市的物流需求,原始数据如表1所示.

表1原始数据

X1地区生产

总值(亿元)X2第一产业

增加值(亿元)X3第二产业

增加值(亿元)X4第三产业

增加值(亿元)X5社会商品

零售总额(亿元)X6货物进出

口总额(百万美元)X7 居民人均

消费支出(元)Y 货物

运输量(万吨)

20068117.7888.802191.435837.553295.30158176.6916487.0033008.00

20079846.81101.262509.407236.153835.20192946.3018553.0019877.00

200811115.00112.832626.418375.764645.50271849.0720113.0020525.00

200912153.03118.292855.559179.195309.90214762.7622023.0020470.00

201014113.58124.363388.3810600.846340.30301621.6424982.0021762.00

201116251.93136.273752.4812363.187222.20389583.1427760.0024663.00

201217879.40150.204059.2713669.938123.50408107.3530350.0026162.00

201319800.81159.644292.5615348.618872.10429941.7033337.0025748.00

201421330.83158.994544.8016627.049638.00415538.1036057.0026511.00

201523014.59140.214542.6418331.7410338.00319416.1639200.0020078.00

2模型建立与数据处理 BP神经网络通过前反馈和后传播两个过程训练样本数据,网络模型包括输入层、隐含层和输出层三部分.本文建立的神经网络模型如图1所示,包括一个输入层(7个神经元),一个隐含层(13个神经元)和一个输出层(1个神经元).训练过程选用速度较快、精度较高的LM(MATLAB的trainlm函数)算法对2006-2015年的样本数据进行训练.同时,为了提高模型的训练速度和训练精度,在训练之前对原始数据进行归一化处理(MATLAB的premnmx函数),归一化结果如图表2.

图1BP神经网络模型

表2原始数据归一化结果

X1X2X3X4X5X6X7Y

2006-1.0000-1.0000-1.0000-1.0000-1.0000-1.0000-1.00001.0000

2007-0.7679-0.6482-0.7298-0.7761-0.8467-0.7441-0.8181-1.0000

2008-0.5976-0.3216-0.6303-0.5937-0.6166-0.1635-0.6807-0.9013

2009-0.4582-0.1674-0.4356-0.4651-0.4279-0.5836-0.5125-0.9097

2010-0.19500.00400.0172-0.2375-0.13530.0557-0.2520-0.7129

20110.09210.34020.32670.04460.11520.7030-0.0074-0.2710

20120.31060.73350.58740.25380.37110.83930.2207-0.0427

20130.56851.00000.78560.52250.58371.00000.4837-0.1058

20140.77390.98161.00000.72710.80120.89400.72320.0104

20151.00000.45140.99821.00001.00000.18661.0000-0.9694

3北京市物流需求预测 在MATLAB中输入如下代码构建输入层神经元为7,隐含层神经元为13的三层神经网络模型: net等于newff(minmax(X),[7,13,1],{´tansig´,´tansig´,´purelin´},´trainlm´)

图2均方误差变化

表3预测结果比较

BP神经网络预测结果回归分析预测结果

实际值预测值绝对误差相对误差预测值绝对误差相对误差

201124663.0023534.841128.160.045726271.981608.97730.0652

201226162.0023703.332458.670.094025491.40670.60310.0256

201325748.0025580.00168.000.006522735.273012.73460.1170

201426511.0026065.19445.810.016823464.133046.86570.1149

201520078.0019043.981034.020.051522257.342179.34170.1085

平均误差1046.930.04292103.70450.0863

导入2006-2015年的原始数据并进行训练后得到的均方误差变化如图2所示,在132次迭代后模型达到最优,此时均方误差为5.36*10-8.使用训练得出的网络预测2011-2015年的物流需求,并将预测结果和回归分析预测结果进行比较,如表3所示.可以看出BP神经网络模型的平均相对误差为0.0429,预测结果好于回归分析的0.0863,平均相对误差约为回归分析的一半且小于0.05.

4结论与展望 本文选取了对物流需求影响比较大的七个指标,建立了一个三层的神经网络模型对2006-2015年北京市的物流需求进行了预测,预测结果的相对误差小于0.05,好于回归分析的预测结果,但由于数据规模较小和样本数量过少的原因,模型预测的结果还存在提升的空间. 参考文献

[1]过秀成, 谢实海, 胡斌.区域物流需求分析模型及其算法[J].东南大学学报, 2001,(5):15.

[2]初良勇, 田质广, 谢新连.组合预测模型在物流需求预测中的应用[J].大连海事大学学报, 2004,(11):4346.

[3]方威,肖衡,任湘郴. 基于线性回归模型的物流求预测分析[J].生产力研究, 2009,(12):9495.

[4]王新利,赵琨.基于神经网络的农产品物流需求预测研究[J].农业技术经济, 2010,(2):6268.

[5]张诚, 刘美玲, 于兆宇.基于粗糙集和多元回归分析的江西铁路物流需求预测[J].经营谋略, 2012,(1):112114.

[6]张景阳, 潘光友.多元线性回归与BP 神经网络预测模型对比与运用研究[J].昆明理工大学学报, 2013,(12):6167.

[7]文培娜, 张志勇, 罗斌.基于BP 神经网络的北京物流需求预测及分析[J].技术与方法, 2009,(6):9193.

[8]朱翠娟, 党相文.吉林省城市居民消费与物流需求的相关性研究[J].东北师大学报, 2016,(12):4851.

该文点评,这篇文章为关于神经网络方面的大学硕士和本科毕业论文以及神经网络和BP神经网络和需求预测相关神经网络论文开题报告范文和职称论文写作参考文献资料.

参考文献:

1、 基于遗传算法的优化BP神经网络算法 王军涛(北华航天工业学院,河北廊坊065000)WANG Juntao(NorthChina Institute ofAerospaceEngineering,Langfang065000,China.

2、 基于模糊神经网络和粒子群优化算法的机器人路径规划 摘要有评估标准规定,机器人的最优路径规划就是当其在具有障碍物的环境中移动时,能够自动寻找到从初始状态到目标状态的一条无碰撞路径 在本次研究中,首先利用网格法建立了周围环境的数学模型,随后提出一种模糊神.

3、 神经网络在计算机网络安全评价中的应用 周宇摘要随着计算机技术的快速发展,信息能够在短时间内在全世界范围内流动 信息的实时共享使得计算机技术更有价值,同时也充分发挥了信息快速传递的优势 计算机网络给人类社会带来的影响具有两面性;一方面,计算.

4、 卷积神经网络的方程组求解 摘要通过迭代求解方程组的解,提出了一种基于卷积神经网络求解线性方程组的病态方程组的方法,由于条件数过大,影响求解的精度,将求解方程组的过程转换为神经网络学习的过程 通过神经网络学习同目标数据形成一种映.

5、 离散混沌系统的神经网络阶逆系统控制 摘要提出用神经网络α阶逆系统方法控制一类未知模型的离散混沌系统,针对离散混沌系统的特殊性,调整了神经网络建模的输入输出结构,并以Logistic系统为假想未知系统进行实际控制,仿真结果说明.

6、 基于matlab实现人工神经网络在股票评级中的应用 1 引言  近年,我国股市跌宕起伏,远有2008年次贷危机,近有由于场外配资清理、场内融资和分级基金去杠杆形成连锁反应造成的2015年的股灾,国家推出的“熔断机制”……应对措施.