一种基于ReliefF算法的区域物流需求影响因素预测方法技术

本发明专利技术的目的是提出一种基于ReliefF算法的区域物流需求影响因素预测方法，利用ReliefF算法计算分析各个影响区域物流需求的特征值和区域物流需求的相关性大小，从而赋予特征不同的权重，从而得到各个影响区域物流需求的影响因素重要性大小。最后利用BP神经网络来验证所选取重要性强的特征的区域物流需求预测能力。

【技术实现步骤摘要】
一种基于ReliefF算法的区域物流需求影响因素预测方法
本专利技术涉及一种ReliefF算法，根据各个特征值和类别的相关性赋予特征不同的权重。通过对影响区域物流的因素进行相关性分析，从而得到各个影响区域物流需求的影响因素重要性大小。
技术介绍
近年来，区域物流是许多行业关注的重要问题。由于物流产业地位在国家层面的确立，特别是物流业在服务业中的重要作用，物流业已成为各级政府规划与发展的重点之一，不少区域将发展物流作为新的经济增长点。区域物流不但是经济发展的保障，而且还能通过它优化产业结构、提高经济效率、改善投资环境等提高经济质量。对于任何国家或经济区域，只有流通活跃，才能使经济充满活力。物流活动是流通环节的重要组成部分，渗透于生产和消费的各个环节，是区域经济运行及发展必不可少的纽带。尤其是在经济全球化、一体化，以及现代科学技术迅猛发展的背景下，传统的区域经济理论和经济发展模式也受到了现代经济竞争方式和市场需求特质的挑战，区域物流的效率、服务水平和物流成本已经成为影响区域经济发展及其竞争力的直接因素。只有大力发展区域现代物流，提高物流的效率和效益，才能有效地满足区域生产者和消费者的多种需求，使区域经济得到快速协调发展，同时提升区域经济综合竟争力。我国现代物流整体规模扩大，发展速度加快，运行效率提高，对经济发展的支撑和促进作用更加明显。作为物流业的组成部分，区域物流的发展促进了区域经济的发展。影响区域物流需求的因素很多,但从宏观上考虑主要包括三大部分:区域经济规模、产业结构、经济空间布局。从根本上说,区域经济发展的整体水平和规模是区域物流需求的决定因素,也是区域物流需求的源动力。区域物流需求与区域经济总量之间存在着较强的相关关系。其次,区域产业结构是另一个重要因素。产业结构的差异将对物流的需求功能、物流层次以及物流需求结构等方面产生重大影响。农林牧业对物流的需求相对来说是粗放型需求,即物流需求量大但附加值低；工业物流需求则朝着精细化、高附加值方向发展；而第三产业如流通产业则直接推动了现代物流业的发展。此外,区域内贸易及区域人均收入和消费水准也是影响区域物流需求的重要方面。从而选取影响区域物流需求的各项经济指标如下:1、区域经济总量指标:地区国民生产总值；2、区域产业结构指标:工业总产值、农业总产值、第三产业总产值；3、域内外贸易指标:区域零售总额、区域外贸总额；4、区域消费水平:人均消费水平。共七个影响区域物流需求的影响因素。
技术实现思路
本专利技术的目的是提出一种基于ReliefF算法的区域物流需求影响因素预测方法，利用ReliefF算法来分析地区国民生产总值、工业总产值、农业总产值、第三产业总产值、区域零售总额、区域外贸总额、人均消费水平七个影响区域物流需求的影响因素，分析七个特征的权重大小，从而得出对于影响区域物流需求的因素重要性排序，为达此目的：本专利技术提供一种基于ReliefF算法的区域物流需求影响因素预测方法，具体步骤如下：步骤1：收集整理所需要分析的数据。影响区域物流需求的数据特征多且数据结构复杂，需要将各数据归一化处理操作，将数据归一化在0到1的数值有利于分析数据之间的相关性；步骤2：数据的规范化。将数据构建为行向量为样本序列号，列向量为样本特征的一个数据列表，便于后续的算法进行直接获取操作；步骤3：构建ReliefF算法模型；步骤4：将地区国民生产总值、工业总产值、农业总产值、第三产业总产值、区域零售总额、区域外贸总额、人均消费水平七个影响区域物流需求的影响因素送入ReliefF算法模型中进行相关性分析；步骤5：最后利用BP神经网络来分析检验所选取重要性强的特征是否具有很好的区域物流预测能力。作为本专利技术进一步改进，所述步骤1中归一化的计算公式入下：其中xi表示归一化前的数据，xi*表示归一化后的数据xmax、xmin分别表示数据的最大值和最小值。作为本专利技术进一步改进，所述步骤4中梯度计算公式入下：其中W(A)表示特征A的权重，diff(A,R1,R2)为R1和R2在特征A上的差，Mj(C)表在类C中的第j个近邻样本，p(C)为该类别的比例，p(Class(R)为选取的某样本类别比例。本专利技术提供基于ReliefF算法的区域物流需求影响因素预测方法，具体设计优点如下：1、本专利技术通过ReliefF算法来分析区域物流需求影响因素，通过特征权重算法将各个特征和类别的相关性赋予特征不同的权重，从而可以得到区域物流需求影响因素重要性排序。2、该方法科学地分析出区国民生产总值、工业总产值、农业总产值、第三产业总产值、区域零售总额、区域外贸总额、人均消费水平对于影响区域物流需求的重要特征因素。3、本方法在分析区域物流需求影响因素实际应用中可行性高，有实际的工程应用价值。附图说明图1是本专利技术整体算法原理流程图；图2是ReliefF算法原理流程图；图3是ReliefF算法分析的特征之间重要性权重关系。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细描述：本专利技术提供一种基于ReliefF算法的区域物流需求影响因素预测方法，首先根据区域物流需求的相关影响，分析出能够对区域物流需求有影响贡献的特征因素。收集整理出国民生产总值、工业总产值、农业总产值、第三产业总产值、区域零售总额、区域外贸总额、人均消费水平七个影响因素，然后构建ReliefF算法模型实现相关性分析。最后利用BP神经网络来验证特征对于影响区域物流需求的有效性。本专利技术的整体算法原理流程如图1所示。首先收集整理所需要分析的数据。影响区域物流需求的数据特征多且数据结构复杂，需要将各数据归一化处理操作，将数据归一化在0到1的数值有利于分析数据之间的相关性。归一化处理后的数据的稳定性较强，变化不会过于剧烈，数据分布较为平稳，有利于相关性分析算法的实现。归一化处理后的数据需要进行数据的规范化，即将数据构建为行向量为样本序列号，列向量为样本特征的一个数据列表，便于后续的算法进行直接获取操作。规范化的数据结构是算法实现的关键步骤，规范的数据结构有利于ReliefF算法的分析计算过程。在数据处理并规范化后，则构建完整的ReliefF算法模型来分析区域物流需求的影响因素重要性大小，ReliefF算法流程图如图2所示。ReliefF算法为首先取不同类别的样本若干，对每类样本。然后从所有样本中，随机取出一个样本R，在与样本R相同分类的样本组内，取出k个最近邻样本。接着在所有其他与样本R不同分类的样本组内也分别取出k个最近邻样本，最后计算每个特征的权重T。经过ReliefF算法模型后的特征重要性如图3所示，其中1到7分别代表国民生产总值、工业总产值、农业总产值、第三产业总产值、区域零售总额、区域外贸总额、人均消费水平七个特征。从结果分析可以得出区域外贸总额、区域零售总额、第三产业总产值这三个影响因素对于影响区域物流需求贡献较大。国民生产总值、工业总产值、人均消本文档来自技高网...

【技术保护点】
1.基于ReliefF算法的区域物流需求影响因素预测方法，具体步骤如下，其特征在于,/n步骤1：收集整理所需要分析的数据。影响区域物流需求的数据特征多且数据结构复杂，需要将各数据归一化处理操作，将数据归一化在0到1的数值有利于分析数据之间的相关性；/n步骤2：数据的规范化。将数据构建为行向量为样本序列号，列向量为样本特征的一个数据列表，便于后续的算法进行直接获取操作；/n步骤3：构建ReliefF算法模型；/n步骤4：将地区国民生产总值、工业总产值、农业总产值、第三产业总产值、区域零售总额、区域外贸总额、人均消费水平七个影响区域物流需求的影响因素送入ReliefF算法模型中进行相关性分析；/n步骤5：最后利用BP神经网络来分析检验所选取重要性强的特征是否具有很好的区域物流预测能力。/n

【技术特征摘要】
1.基于ReliefF算法的区域物流需求影响因素预测方法，具体步骤如下，其特征在于,
步骤1：收集整理所需要分析的数据。影响区域物流需求的数据特征多且数据结构复杂，需要将各数据归一化处理操作，将数据归一化在0到1的数值有利于分析数据之间的相关性；
步骤2：数据的规范化。将数据构建为行向量为样本序列号，列向量为样本特征的一个数据列表，便于后续的算法进行直接获取操作；
步骤3：构建ReliefF算法模型；
步骤4：将地区国民生产总值、工业总产值、农业总产值、第三产业总产值、区域零售总额、区域外贸总额、人均消费水平七个影响区域物流需求的影响因素送入ReliefF算法模型中进行相关性分析；
步骤5：最后利用BP神经网络来分析检验所选取重要性强的特征...

【专利技术属性】
技术研发人员：陈维娜，杨忠，唐玉娟，顾姗姗，王逸之，戴典芬，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：江苏;32