您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202211-85
论文题目 基于Markov-BP神经网络的武汉市物流需求预测
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于Markov-BP神经网络的武汉市物流需求预测

首发时间:2022-11-28

汪勇 1   

汪勇(1967-),男,博士,教授,主要研究方向:应急管理、系统优化与决策

廖倩茹 1   

廖倩茹(1998-),女,硕士研究生,主要研究方向:物流系统优化

艾学轶 1   

艾学轶(1983-),女,博士,讲师,主要研究方向:库存管理,启发式算法

蒲秋梅 2   

蒲秋梅(1976-),女,博士,副教授,主要研究方向:数据挖掘,机器学习法

  • 1、武汉科技大学 恒大管理学院, 武汉 430065
  • 2、中央民族大学 信息工程学院,北京 100081

摘要:物流需求预测是城市发展规划中的重要组成部分, 为了能够科学地预测出武汉市的物流需求, 选择武汉市地区生产总值、社会商品零售总值及货物进出口作为输入指标, 将货物运输量作为输出指标, 利用BP神经网络模型预测, 在此基础上借助马尔科夫链(Markov)对误差值进行修正, 使平均相对误差从7.3%下降至2.1%. 结果表明, 与单一的BP神经网络模型以及其他神经网络组合方法相比, Markov-BP神经网络模型的预测精度更高. 使用Markov-BP神经网络模型, 对武汉市未来物流需求预测具有一定的参考价值.

关键词: 物流需求预测; BP神经网络; 马尔科夫链; MATLAB

For information in English, please click here

Forecast of urban logistics demand based on Markov-BP neural network

WANG Yong 1   

汪勇(1967-),男,博士,教授,主要研究方向:应急管理、系统优化与决策

LIAO Qianru 1   

廖倩茹(1998-),女,硕士研究生,主要研究方向:物流系统优化

AI Xueyi 1   

艾学轶(1983-),女,博士,讲师,主要研究方向:库存管理,启发式算法

PU Qiumei 2   

蒲秋梅(1976-),女,博士,副教授,主要研究方向:数据挖掘,机器学习法

  • 1、Evergrande School of Management, Wuhan University of Science and Technology
  • 2、School of Information Engineering, Minzu University of China, Beijing, 100081

Abstract: Logistics demand forecast is an important part of urban development planning. In order to forecast the logistics demand of Wuhan scientifically, the regional GDP, the retail value of social goods and the import and export of goods in Wuhan are selected as input indicators, and the cargo transportation volume is used as output indicators. In this foundation, the BP neural network model is used to forecast, and the error value is corrected by Markov chain, so that the average relative error is reduced from 7.3% to 2.1%. The results show that the prediction accuracy of Markov-BP neural network model is higher than that of single BP neural network model and other neural network combination methods. Using Markov-BP neural network model has certain reference value for forecasting the future logistics demand of Wuhan.

Keywords: orecast of logistics demand BP neural network Markov MATLAB

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
汪勇,廖倩茹,艾学轶,等. 基于Markov-BP神经网络的武汉市物流需求预测[EB/OL]. 北京:中国科技论文在线 [2022-11-28]. https://www.paper.edu.cn/releasepaper/content/202211-85.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于Markov-BP神经网络的武汉市物流需求预测