分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-08-30 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］为了解决冷链物流需求预测在数字化转型中存在特征提取不充分、数据非线性程度高和算 法易陷入局部最优等问题，提出一种结合灰色关联分析（Grey Relational Analysis, GRA）、野马优化算法（Wild Horse Optimizer, WHO） 和时序卷积网络（Temporal Convolutional Networks, TCN） 的组合预测模型，旨在解决需求 预测精度不高的问题，以实现农产品供应链智能化管理。［方法］首先运用GRA对农产品冷链物流相关指标进行 关联度筛选；其次采用TCN充分考虑农产品供应链中社会经济数据及物流信息中的时序性特征，并使用WHO对 TCN模型超参数进行寻优；最后运用优化的GRA-WHO-TCN模型对浙江省冷链物流需求进行预测。［结果和讨论］ 采用WHO的时序算法TCN模型能够有效提取多维度数据的时序特征和空间特征，具备较好的拟合效果。与GRALSTM 、GRA-TCN和GRA-WHO-LSTM模型相比，GRA-WHO-TCN冷链物流需求预测模型具有较低的均方根误差 值（11.3） 和有效的相关系数（0.95），且预测2016—2020年浙江省农产品冷链物流需求量分别为2 980、3 046、 2 487、2 645和2 799万吨，能够实现对冷链物流需求较高的预测精度。［结论］提出的GRA-WHO-TCN模型具备 良好的优化和预测能力，能够为数字经济背景下农产品供应链物资流、信息流发展提供科学预测依据和实际参考 价值。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-07-17 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］为了解决冷链物流需求预测在数字化转型中存在特征提取不充分、数据非线性程度高和算 法易陷入局部最优等问题，提出一种结合灰色关联分析（Grey Relational Analysis, GRA）、野马优化算法（Wild Horse Optimizer, WHO） 和时序卷积网络（Temporal Convolutional Networks, TCN） 的组合预测模型，旨在解决需求 预测精度不高的问题，以实现农产品供应链智能化管理。［方法］首先运用GRA对农产品冷链物流相关指标进行 关联度筛选；其次采用TCN充分考虑农产品供应链中社会经济数据及物流信息中的时序性特征，并使用WHO对 TCN模型超参数进行寻优；最后运用优化的GRA-WHO-TCN模型对浙江省冷链物流需求进行预测。［结果和讨论］ 采用WHO的时序算法TCN模型能够有效提取多维度数据的时序特征和空间特征，具备较好的拟合效果。与GRALSTM 、GRA-TCN和GRA-WHO-LSTM模型相比，GRA-WHO-TCN冷链物流需求预测模型具有较低的均方根误差 值（11.3） 和有效的相关系数（0.95），且预测2016—2020年浙江省农产品冷链物流需求量分别为2 980、3 046、 2 487、2 645和2 799万吨，能够实现对冷链物流需求较高的预测精度。［结论］提出的GRA-WHO-TCN模型具备 良好的优化和预测能力，能够为数字经济背景下农产品供应链物资流、信息流发展提供科学预测依据和实际参考 价值。
点击量
通过
点击量
下载量
评论
