杜晓芳;Stephen C.H.Leung。;张金龙;赖,K.K。 基于支持向量机的易腐农产品需求预测。 (英语) 兹比尔1307.93395 国际期刊系统。科学。 44,第3号,556-567(2013). 摘要:本文提出了一种基于支持向量机(SVM)方法的易腐农产品需求预测新算法。由于支持向量机具有更高的泛化性能,并能保证给定训练数据的全局最小值,因此支持向量回归在预测易腐农产品需求方面表现良好。为了提高预测精度,本文基于模糊理论对影响易腐农产品销售预测的因素进行了量化,适合于实际情况。数值实验表明,基于日绝对误差、相对平均误差和FP准则,采用支持向量机和模糊理论的预测系统优于径向基函数神经网络。由于没有结构化的方法来选择支持向量机的自由参数,本文讨论了自由参数的变化范围及其对预测性能的影响。实验结果分析表明,支持向量机预测系统在易腐农产品需求预测中的应用是有利的。 引用于1文件 MSC公司: 93E10型 随机控制理论中的估计与检测 93E03型 控制理论中的随机系统(一般) 93立方厘米 模糊控制/观测系统 关键词:支持向量机;易腐农产品;需求预测;模糊理论;核函数 软件:遥远的 PDF格式BibTeX公司 XML格式引用 \textit{X.F.Du}等人,国际期刊系统。科学。44,第3号,556--567(2013;Zbl 1307.93395) 全文: 内政部 参考文献: [1] 内政部:10.2307/1403258·Zbl 0598.62110号 ·doi:10.2307/1403258 [2] Aizerman M,《自动化和远程控制》25页821–(1964年) [3] Anderson RG,《数据处理:信息系统与技术》,第2、6页。编辑(1987) [4] DOI:10.1016/j.spa.2010.11.005·Zbl 1241.62122号 ·doi:10.1016/j.spa.2010.11.005 [5] Bellman RE,自适应控制过程(1961年)·doi:10.1515/9781400874668 [6] 比利时Boser。Guyon,I.M.和Vapnik,V.N.(1992),“最佳边缘分类器的训练算法”,摘自《第五届ACM计算学习理论研讨会论文集》,D.Haussler主编,宾夕法尼亚州匹兹堡:ACM出版社 [7] Box GE,时间序列分析预测与控制(1970年) [8] Box GEP,时间序列分析:预测和控制,3。编辑(1994) [9] MC支架。Bui-Nguyen,V.和Schmidt,J.(1993),“神经网络预测准确性的另一种观点”,摘自第二届神经网络应用于电力系统联合论坛会议记录,日本横滨,第19-22页 [10] Brown RG,离散时间序列的平滑、预测和预测(1963) [11] DOI:10.1023/A:1009715923555·Zbl 05470543号 ·doi:10.1023/A:1009715923555 [12] 内政部:10.1007/s10878-005-1856-y·兹比尔1123.90073 ·doi:10.1007/s10878-005-1856-y [13] DOI:10.1016/S0925-2312(01)00643-9·Zbl 1006.68770号 ·doi:10.1016/S0925-2312(01)00643-9 [14] 内政部:10.1080/09537280512331325155·doi:10.1080/09537280512331325155 [16] 内政部:10.1142/9789812794710·doi:10.1142/9789812794710 [17] 内政部:10.1162/08997660332385108·Zbl 1085.68123号 ·doi:10.1162/08997660332385108 [18] Cortes C,机器学习20 pp 273–(1995) [19] Das KC,《ASAE交易》,第35页,2035–(1992)·数字对象标识代码:10.13031/2013.28832 [20] DOI:10.1002/(SICI)1099-131X(199601)15:1<49::AID-FOR604>3.0.CO;2-2 ·doi:10.1002/(SICI)1099-131X(199601)15:1<49::AID-FOR604>3.0.CO;2-2 [21] 内政部:10.1007/BF02941095·doi:10.1007/BF02941095 [22] DOI:10.1016/j.jfoodeng.2004.03.011·doi:10.1016/j.jfoodeng.2004.03.011 [23] 内政部:10.1080/00207720701726188·Zbl 1283.93036号 ·doi:10.1080/00207720701726188 [24] Ellis D,《商业预测管理指南》(1990年) [25] Faraway JJ,用R扩展线性模型:广义线性、混合效应和非参数回归模型(2006)·Zbl 1095.62082号 [26] 内政部:10.1016/S0305-0483(99)00035-3·doi:10.1016/S0305-0483(99)00035-3 [27] DOI:10.1016/j.ijpe.2006.05.001·doi:10.1016/j.ijpe.2006.05.001 [28] 内政部:10.1080/095372899233082·doi:10.1080/095372899233082 [29] SR冈恩。(1998),“用于分类和回归的支持向量机”,ISIS技术报告,南安普顿大学电子与计算机科学系 [30] DOI:10.1287/mnsc.13.11.821·Zbl 0149.16903号 ·doi:10.1287/mnsc.13.11.821 [31] DOI:10.2307/2297980·兹比尔0805.90026 ·doi:10.2307/2297980 [32] 内政部:10.2307/2235451·doi:10.2307/2235451 [33] 内政部:10.1080/00207720802083018·Zbl 1233.93097号 ·doi:10.1080/00207720802083018 [34] DOI:10.1016/S0169-2070(01)00110-8·doi:10.1016/S0169-2070(01)00110-8 [35] 内政部:10.1287/opre.1100.0809·Zbl 1233.90027号 ·doi:10.1287/opre.1100.0809 [36] 内政部:10.1080/07350015.1994.10524553·doi:10.1080/07350015.1994.10524553 [37] 姜凤,自动化技术与应用22,第23页–(2003) [38] 内政部:10.2307/2346488·doi:10.2307/2346488 [39] Jolliffe IT,主成分分析,2。编辑(2002) [40] DOI:10.1016/j.compag.2005.12.001·doi:10.1016/j.compag.2005.12.001 [41] Kecman V,《学习和软计算:支持向量机、神经网络和模糊逻辑模型》(2001年) [43] DOI:10.1002/jsfa.2332·doi:10.1002/jsfa.2332 [44] DOI:10.1016/S0925-2312(03)00372-2·Zbl 02060379号 ·doi:10.1016/S0925-2312(03)00372-2 [45] DOI:10.1016/S0142-0615(01)00021-7·doi:10.1016/S0142-0615(01)00021-7 [46] HT林。和Lin,C.J.(2003),“支持向量机Sigmoid核的研究和用SMO类型方法训练非PSD核”,技术报告,国立台湾大学计算机科学与信息工程系 [47] Makridakis S,预测方法和应用(1998年) [48] DOI:10.1016/j.rene.2003.11.009·doi:10.1016/j.rene.2003.11.009 [49] 内政部:10.1007/s12351-009-0054-6·Zbl 1172.90421号 ·doi:10.1007/s12351-009-0054-6 [50] KR穆勒。Smola,A.和Schokopf,B.(1997),《支持向量机预测时间序列》,《国际人工神经网络会议论文集》,第999–1004页 [51] Nahapatyan A,生物系统的数学建模(应用优化102第185页–(2008)·兹比尔1382.92016 ·doi:10.1007/978-3-540-76784-85 [52] 数字对象标识码:10.1007/s00521-003-0390-z·doi:10.1007/s00521-003-0390-z [53] 加利福尼亚州恩屯。(1991),“整体库存系统的神经网络模型”,《1991年国际工业工程会议论文集》,第435-444页 [54] DOI:10.1016/j.mcm.2005.02.008·Zbl 1187.90113号 ·doi:10.1016/j.mcm.2005.02.008 [55] DOI:10.1016/j.enconman.2005.02.004·doi:10.1016/j.enconman.2005.02.004 [56] DOI:10.1016/j.omega.2004.07.024·doi:10.1016/j.omega.2004.07.024 [57] Patel VC,《人工智能应用》,第8页,第21页–(1994年) [58] 内政部:10.1126/science.247.4945.978·Zbl 1226.92005号 ·doi:10.1126/science.247.4945.978 [59] 内政部:10.1080/00207721003646256·Zbl 1233.90039号 ·doi:10.1080/00207721003646256 [60] Schölkopf B,核方法的进展:支持向量学习(1999) [61] Schölkopf B,《使用内核学习:支持向量机,正则化,优化及超越》(2001) [62] 内政部:10.1109/78.650102·数字对象标识代码:10.1109/78.650102 [63] 内政部:10.1080/00207720903353625·Zbl 1206.93097号 ·doi:10.1080/00207720903353625 [64] 阿贾斯坦·斯莫拉。和Scholkopf,B.(1998),“支持向量回归教程”,NeuroCOLT技术报告TR 1998-030,伦敦大学皇家霍洛韦学院 [65] DOI:10.1016/S0305-0483(01)00026-3·doi:10.1016/S0305-0483(01)00026-3 [66] Vapnik VN,统计学习理论的本质,2。编辑(2000)·兹比尔0934.62009 ·doi:10.1007/978-1-4757-3264-1 [67] 内政部:10.1108/02644400310465317·Zbl 1157.86302号 ·doi:10.1108/02644400310465317 [68] 内政部:10.1080/00207720601157997·Zbl 1417.62209号 ·doi:10.1080/00207720601157997 [69] DOI:10.1016/S0019-9958(65)90241-X·Zbl 0139.24606号 ·doi:10.1016/S0019-9958(65)90241-X [70] 齐默尔曼,模糊集理论及其应用,3。编辑(1996)·doi:10.1007/978-94-015-8702-0 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。