排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
目的 快递包装需求预测精准程度是智慧物流体系化建设的重要基础,本文主要通过对不同机器学习方法、不同特征选择方法、不同参数寻优方法的比较,选取快递包装需求预测更加精准的方法,分析主要特征对快递包装需求的影响,优化区域快递包装需求的研究。方法 首先通过不同的机器学习方法进行比较;然后通过不同的特征选择方法进行比较,通过不同参数寻优方法比较确定遗传算法对优化随机森林模型参数的效果;最后为了更好地解释模型,引入SHAP分析的方法,对不同特征的重要性进行分析。结果 改进的随机森林预测模型效果最好,MAE值、MAPE值、RMSE值、R2分别为2783、5.1%、4 343、0.99。女性人口和第三产业值是影响快递包装需求最为关键的因素。结论 所提出的预测方法有更好的准确性及可解释性,能为快递包装需求预测提供有力的决策支持。 相似文献
2.
1