基于LSSVM-DACPSO模型的物流需求预测

最小二乘支持向量机（LSSVM）的推广与应用依赖于核函数中参数的选择。文章针对LSSVM在物流需求预测中参数选择的随意性、耗时性等问题,将LSSVM与动态加速系数粒子群优化（DACPSO）算法结合,提出一种基于LSSVM-DACPSO的物流需求预测模型。该模型首先利用DACPSO算法的寻优能力选择LSSVM最优参数,然后运用LSSVM的非线性运算能力对物流需求量进行预测。利用我国的物流数据进行实例分析,结果表明,相比于TVACPSO算法、PSO算法和交叉验证法,DACPSO算法优化的LSSVM具有更高的预测精度和更快的建模速度,该模型具有一定的推广与应用价值。