基于深度学习的物流需求预测模型研究

新一轮的科技革命和经济结构的不断优化对于区域物流需求的预测提出了更高的要求。本文以LSTM为研究对象,提出了基于深度学习的区域物流预测模型。从预测模型数据结构的角度,在时间序列和影响因子两个层面上,将深度学习预测模型与传统统计学方法,神经网络方法,基于优化寻参的支持向量回归机等方法进行综合对比评估。仿真结果表明,基于时间序列数据源的预测模型普遍优于影响因子数据源模型,而基于LSTM区域物流预测模型具有良好的预测性能,平均绝对百分误差4%左右,且稳定性好。