文摘

随着经济的不断发展,人们的生活方式已经有了很大的改变,网上购物已经成为一个更好的选择对于许多人来说,和快递业务的体积也增加。预测快递业务受益的体积是物流行业的健康发展。基于中国快递业务的数据量从2015年到2019年,本文采用改进的粒子群优化算法计算出分数阶r女性生殖器切割的(1,1)模型,预测中国快递业务数量从2020年到2023年。结果表明,在未来几年内,中国快递业务卷将显示一个大的增长趋势,表明快递行业仍有很大的发展空间。

1。介绍

互联网已经成为广泛应用以来,人们习惯了网上购物。网上购物是方便和节省时间,促进了中国的发展近年来快递业务的体积。它可以预测,运通商务卷在未来将继续增长。以下内容将做具体研究中国快递业务的增长。图1显示了中国快递业务的数据量从2015年到2019年。

快递业务容量的快速增长带来了整个物流行业的发展。与此同时,各种资源的不合理配置导致的无序发展物流业。因此,预测运通商务卷将帮助有关人员进行科学决策,然后推动整个物流行业的健康发展。目前,一些学者做了相关的预测研究。李和张已经建立了一个基于趋势调整支持向量机模型和季节性调整预测和分析每月的快递业务卷(1];周洋等人使用R语言软件建立一个滑动窗口模型和基于时间序列分析的SARIMA模型。剩余模型的线性拟合,然后表达企业的日常快递业务容量预测(2];唐宋Dengused GM(1,1)模型预测运通商务卷(3]。

灰色预测是一种含有不确定性系统的预测方法,确定了不同程度的发展趋势之间的系统因素,然后建立相应的微分方程模型根据一定的规则来预测事物的未来发展趋势。GM(1,1)模型是灰色预测理论的核心模型,通常用于短期的预测数据4]。模型提出后,学者们研究了GM(1, 1)模型从一代积累方法,初始值优化背景值优化,参数估计方法,模型属性等等(5- - - - - -8]。穷人的GM(1, 1)的准确性,吴总裁等人提出了分数阶女性生殖器切割(1,1)模型(9,10]。在女性生殖器切割(1,1)模型中,每个序列乘以不同的分数阶,然后积累。目前,女性生殖器切割(1,1)模型应用于预测固体废物处理能力,天然气消费、高科技工业增加值等等(11- - - - - -13]。

提出了粒子群优化(PSO)算法进行1995年肯尼迪和埃伯哈特(14,15)基于鸟类觅食的行为,这是广泛应用于各种计算(16- - - - - -18]。从中国快递业务数据显示从2015年还是2019年,本文采用改进的粒子群优化算法解决分数阶r女性生殖器切割(1,1)预测模型,然后在未来几年中国快递业务卷在女性生殖器切割(1,1)模型。

2。女性生殖器切割(1,1)模型的建模过程和粒子群优化算法

2.1。女性生殖器切割(1,1)模型的建模过程

不足的传统GM(1,1)模型中,女性生殖器切割(1,1)模型获得更准确的结果,通过选择适当的秩序,减少相对累积误差。建模过程如下:(1)原始的序列是根据原来的非负数据。 (2)的r订单堆积序列如下: 在哪里 , , , 。(3)美白的微分方程如下: ,“一个“叫发展灰数,”b“叫内生控制灰数。方程的解是指数如下: 使用最小二乘法,得到以下结果: 在哪里 (4)时间响应函数如下: 在哪里 的值是时间吗 。(5)减少的序列 如下: 在哪里 所以预测的值如下: (6)模型试验(平均绝对百分误差)。

2.2。粒子群优化算法

粒子群优化算法是一种iterative-based优化工具,颗粒跟随最优粒子在解空间找到最优的解决方案。在每次迭代中,粒子通过跟踪个体极值更新自己(P_最好的)和全局极值(G_最好的)。此外,也可以只使用人口的一部分,而不是整个人口的邻居粒子;然后,所有的邻居都是当地的极值极值(14,15]。

假设有N粒子在一个D维目标搜索空间形成一个社区,在那里我粒子表示一个向量的D维度,它是用 。一个粒子的速度也是一个向量的D维度,它是用 。最优的位置我粒子和整个粒子群搜索到目前为止个体极值 和全局极值 ,分别。

微粒将更新自己的速度和位置根据以下公式: 在哪里c₁和c₂是学习的因素,是惯性因子,r₁(t),r₂(t)均匀随机数在[0,1]。 包括三个部分:第一部分是惯性和动力部分,反映了粒子的运动习惯和代表粒子的趋势保持以前的速度;第二部分是认知的部分,它反映了粒子的内存或回忆自己的历史经验和代表,粒子的方法最好的在自己的历史地位;第三部分是社会的一部分,它反映了粒子之间的团体合作的历史经验和知识共享和代表粒子的趋势接近最好的历史地位团体或社区。

2.3。算法设计

粒子群优化算法将改善根据其特性。让c₁=c₂= 2,N= 50,迭代的最大数量t_马克斯= 100,将停止标准设置为每股收益= 10 ^(−6),根据分数阶的概念,r是在0和1之间。为了避免粒子“振荡”接近全局最优的解决方案,让[19] 在哪里t当前迭代的数量和吗0.1和0.9之间的线性变化。改进的PSO算法流程图如图2。

3所示。实证研究

为了预测体积快递业务在中国,女性生殖器切割(1,1)模型的构造。中国快递业务的原始序列数量从2015年到2019年 (单位:1亿人,数据来自中国统计年鉴)。MATLAB的粒子群优化算法是迭代,和结果在图中所示3。结果表明,随着迭代次数的增加,分数阶最终倾向于0.8536。

0.8536订单累积顺序如下: 和得到的公式吗 在哪里

然后时间序列函数如下:

所以

因此,减少序列如下:

预测的值如下:

日军值的GM(1,1)模型和女性生殖器切割(1,1)模型给出了表1。根据表1,它可以发现日军的女性生殖器切割值(1,1)模型和GM(1, 1)模型很小,这表明模拟结果是准确的。与此同时,日军女性生殖器切割(1,1)模型的价值小于GM(1, 1)模型,验证了女性生殖器切割(1,1)模型的优越性。

中国快递业务的预测价值数量从20202023基于女性生殖器切割(1,1)模型如表所示2。

4所示。结论

相比与传统的GM(1,1)模型,在女性生殖器切割(1,1)模型可以减少日军和更好的预测数据。此外,它可以看到,中国的快递业务体积是逐年增加,它将在2022年超过1000亿件。同时,虽然增长率逐年下降,但仍保持在23%以上,这表明仍有很多的快递行业的发展空间。在未来的工作中,可以引入其他预测模型来预测中国快递业务的体积(20.]。持续增长的同时,中国的快递业务体积要求物流系统的持续改进,如站点位置的物流中心,配送路径的优化,等等。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。

确认

这部分工作是由中国博士后科学基金会(2017号m611785)和江苏省博士后研究基金计划项目(1601091 c)。