零担物流时序预测的SARIMA-GRU-BPNN组合模型及应用

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：秦音, 郭杜杜, 周飞, 王庆庆, 王洋

单位：1. 新疆大学 智能制造现代产业学院，乌鲁木齐 830017；2. 新疆大学 交通运输工程学院，乌鲁木齐 830017

摘要：针对零担物流的需求物流量显著季节性、非线性和随机性特征使其预测难度大的问题，提出一种零担物流时序预测的SARIMA-GRU-BPNN组合模型的预测方法。使用季节性分解模型将物流量分解为趋势、季节性及残差，对趋势分量采用季节性差分自回归移动平均模型（SARIMA）拟合线性变化，对季节性分量采用门控循环神经网络（GRU）拟合季节性变化，对残差分量采用反向传播神经网络（BPNN）拟合非线性及随机性变化，组合重构得到最终预测值。实验结果表明，与自身单一模型SARIMA、GRU及BPNN相比，均方根误差（RMSE）分别降低31.5%、34.5%及47.1%；与其他单一模型灰色模型、支持向量机、长短期记忆网络及多元线性回归相比，RMSE分别降低71.3%、68.9%、54.4%及70.7%；与组合模型ARIMA-GRU、ARIMA-BPNN及ARIMA-SVM相比，RMSE分别降低31.0%、43.0%及56.1%，且趋势和季节性分量预测模型拟合优度达到92%和99%，有效降低整体预测误差，提升了预测精度和模型稳健性。

关键词：零担物流,需求预测,时序分解,组合模型,人工神经网络