[發明專利]基于農產品冷鏈物流需求的物流節點布局優化方法及系統

在審

• 申請號: 202011064782.7
• 申請日: 2020-09-30
• 公開（公告）號: CN112200443A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 王睿;聞思源
• 申請（專利權）人: 山東財經大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/08;G06Q50/02;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.基于農產品冷鏈物流需求的物流節點布局優化方法，其特征是，包括：

對獲取的待預測區域的歷史時間范圍內農產品冷鏈物流基礎數據進行變量篩選，篩選出若干個變量；

對每一個變量進行預測，得到所有變量預測值；

基于所有變量預測值和多元線性回歸模型，得到第一農產品冷鏈物流需求預測值；基于所有變量預測值和預先訓練好的BP神經網絡，得到第二農產品冷鏈物流需求預測值；

對第一農產品冷鏈物流需求預測值和第二農產品冷鏈物流需求預測值，進行加權求和，得到最終的農產品冷鏈物流需求預測值；

基于待預測區域最終的農產品冷鏈物流需求預測值、已有物流節點的規模、和已有物流節點與待預測區域的距離，得到物流節點的規模優化方案。

2.如權利要求1所述的方法，其特征是，對獲取的待預測區域的歷史時間范圍內農產品冷鏈物流基礎數據進行主成分分析，篩選出若干個關鍵主成分；步驟之前還包括：

獲取待預測區域的歷史時間范圍內農產品冷鏈物流基礎數據；

對獲取的農產品冷鏈物流基礎數據進行預處理；所述預處理，包括：去噪處理和缺失值補全處理。

3.如權利要求2所述的方法，其特征是，所述農產品冷鏈物流基礎數據，包括：待預測區域年末常住人口、社會消費品零售總額、農產品生產價格指數、果蔬產量、待預測區域的年貨運量和待預測區域的年周轉量；

所述去噪處理，是指：計算平均值，將超出平均值設定范圍的數據視為噪聲數據，予以剔除；

所述缺失值補全處理，是指：將平均值填充到缺失值數據位置中。

4.如權利要求1所述的方法，其特征是，對獲取的待預測區域的歷史時間范圍內農產品冷鏈物流基礎數據進行變量篩選，篩選出若干個變量；具體包括：

對獲取的待預測區域的歷史時間范圍內農產品冷鏈物流基礎數據，采用主成分分析算法進行變量篩選，篩選出若干個變量。

5.如權利要求1所述的方法，其特征是，對每一個變量進行預測，得到所有變量預測值；具體步驟包括：

基于時間序列預測，對每一個變量進行預測，得到所有變量的預測值。

6.如權利要求1所述的方法，其特征是，基于所有變量預測值和多元線性回歸模型，得到第一農產品冷鏈物流需求預測值；具體步驟包括：

將所有變量預測值，輸入到多元線性回歸模型，得到第一農產品冷鏈物流需求預測值。

7.如權利要求1所述的方法，其特征是，基于所有變量預測值和預先訓練好的BP神經網絡，得到第二農產品冷鏈物流需求預測值；具體步驟包括：

將所有變量預測值，輸入到預先訓練好的BP神經網絡，得到第二農產品冷鏈物流需求預測值；

所述預先訓練好的BP神經網絡的訓練步驟包括：

構建BP神經網絡；構建訓練集；所述訓練集為已知物流需求量的農產品冷鏈物流基礎數據；

將訓練集輸入到BP神經網絡中，對BP神經網絡進行訓練，得到訓練好的BP神經網絡。

8.基于農產品冷鏈物流需求的物流節點布局優化系統，其特征是，包括：

變量篩選模塊，其被配置為：對獲取的待預測區域的歷史時間范圍內農產品冷鏈物流基礎數據進行變量篩選，篩選出若干個變量；

變量預測模塊，其被配置為：對每一個變量進行預測，得到所有變量預測值；

需求預測模塊，其被配置為：基于所有變量預測值和多元線性回歸模型，得到第一農產品冷鏈物流需求預測值；基于所有變量預測值和預先訓練好的BP神經網絡，得到第二農產品冷鏈物流需求預測值；

加權模塊，其被配置為：對第一農產品冷鏈物流需求預測值和第二農產品冷鏈物流需求預測值，進行加權求和，得到最終的農產品冷鏈物流需求預測值；

輸出模塊，其被配置為：基于待預測區域最終的農產品冷鏈物流需求預測值、已有物流節點的規模、和已有物流節點與待預測區域的距離，得到物流節點的規模優化方案。