零担物流时序预测的SARIMA-GRU-BPNN组合模型及应用

作     者：秦音 郭杜杜 周飞 王庆庆 王洋 QIN Yin;GUO Dudu;ZHOU Fei;WANG Qingqing;WANG Yang

作者机构：新疆大学智能制造现代产业学院乌鲁木齐830017 新疆大学交通运输工程学院乌鲁木齐830017 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第19期

页      面：297-308页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：新疆维吾尔自治区重点研发计划项目(2022B01015) 道路交通安全公安部重点实验室开放课题基金(2023ZDSYSKFKT06) 甘泉堡经开区科技计划项目(GKJ2023XTWL04) 

主　　题：零担物流 需求预测 时序分解 组合模型 人工神经网络 

摘      要：针对零担物流的需求物流量显著季节性、非线性和随机性特征使其预测难度大的问题,提出一种零担物流时序预测的SARIMA-GRU-BPNN组合模型的预测方法。使用季节性分解模型将物流量分解为趋势、季节性及残差,对趋势分量采用季节性差分自回归移动平均模型(SARIMA)拟合线性变化,对季节性分量采用门控循环神经网络(GRU)拟合季节性变化,对残差分量采用反向传播神经网络(BPNN)拟合非线性及随机性变化,组合重构得到最终预测值。实验结果表明,与自身单一模型SARIMA、GRU及BPNN相比,均方根误差(RMSE)分别降低31.5%、34.5%及47.1%;与其他单一模型灰色模型、支持向量机、长短期记忆网络及多元线性回归相比,RMSE分别降低71.3%、68.9%、54.4%及70.7%;与组合模型ARIMA-GRU、ARIMA-BPNN及ARIMA-SVM相比,RMSE分别降低31.0%、43.0%及56.1%,且趋势和季节性分量预测模型拟合优度达到92%和99%,有效降低整体预测误差,提升了预测精度和模型稳健性。