基于GRA 与KPCA 的LSSVM 物流需求预测

来源：交通运输系统工程与信息杂志2015年第1期北京时间：

作者：耿立艳

单位：石家庄铁道大学经济管理学院，石家庄050043

摘要：为降低物流需求建模中最小二乘支持向量机（LSSVM）的结构复杂性、进一步提高LSSVM对物流需求的预测精度，提出一种基于灰色关联分析（GRA）与核主成分分析（KPCA）的LSSVM预测方法.首先利用GRA找出物流需求的主要影响因素；然后利用KPCA提取主要影响因素的非线性主成分，消除因素之间的多重相关性；最后，将提取出的非线性主成分作为LSSVM的输入变量，构建物流需求预测模型，并采用改进粒子群 (IPSO)算法调整LSSVM参数.运用该方法对我国物流需求进行实例分析，结果表明，该方法有效减少了LSSVM输入变量个数，简化了LSSVM结构，并且在一定程度上提高了物流需求预测精度.

关键词：物流工程,预测方法,最小二乘支持向量机,物流需求,预测精度

基金资助：河北省高等学校青年拔尖人才计划项目(BJ2014097).