排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
现有预测模型预测误差时间大、修正效果差,因此研究考虑天气状况的农产品冷链物流配送预测模型。首先,选取农产品冷链物流配送预测指标,运用灰度关联度根据目标系统中农产品冷链物流的需求和不同天气状况的几何形状的接近程度来判断关联度。其次,根据不同的关联度划分关联等级,将其进行分类。再次,通过构建区域物流模型判断节点之间是否存在连接。最后,在矩阵中添加权重描述不同节点之间的连接关系,计算网络中节点之间的最短路径,从而完成预测模型构建。实验结果表明,实验组的预测误差时间结果为4组最小,相对其他小组平均预测误差时间缩短了10 s左右,达到较准确的预测结果,使得冷链物流配送预测模型的应用效果更佳。 相似文献
3.
为提高冷链物流配送需求量预测精度,提出基于用户满意度的冷链物流配送需求预测方法。首先,将与冷链物流配送需求相关的各个方面作为一级指标,将对应的影响因素作为二级指标,构建冷链物流配送需求预测指标体系。其次,引入主成分分析(Principal Component Analysis,PCA)算法分析冷链物流配送需求与用户满意度之间的相关性。最后,借助惩罚函数,实现对冷链物流配送需求量的预测。实例应用结果证明,该方法的预测结果平均相对误差和均方差比较低,能够实现对配送需求量的准确预测。 相似文献
1