论文部分内容阅读
据国家邮政局数据显示,我国快递业发展迅猛,已经连续6年保持50%左右的爆发式增长,为我国的经济增长注入了强大的活力。然而高速发展的同时也面临着越来越多的问题,比如快递爆仓、乱堆放、暴力分拣、延时配送等,导致很多快递遭到毁坏、错送、耽搁。特别是在双十一、春节前后等异于平常的日期,由于对快递业务量、物流人员、分拣人员、派件人员、仓库容量等估计不准,往往造成服务消费体验差。为更好的预估快递业需要的各种资源,最根本是对快递业务量实现精准预测,从而为优化资源配置提供决策支持。为解决上述问题,本文首次提出多特征下基于LSTM的快递业务量时序预测模型,根据各个节日的特点构造节日特征,并同基于无特征LSTM和ARIMA的快递业务量时序预测模型在平常日、春节、国庆节、双十一重大节假日等不同时间点分别进行对比实验。同时,本文还建立了灰色关联度分析模型,并以此模型进一步探究快递业务量的影响因素。通过实验验证得知,在MSE、RMSE、MAE、R-Square四项指标下均表明,基于LSTM的快递业务量时序预测模型远远优于基于ARIMA的快递业务量时序预测模型,且在加入相关节日特征后,多特征LSTM模型也更能精细地刻画出春节、国庆节和双十一的业务量走势。同时,基于灰色关联度模型得到的快递业务量的影响因素,重要性依次为互联网因素、经济因素基础设施因素。为方便国家邮政局人员使用和分析快递业务量数据,本文还开发了基于多特征LSTM的快递业务量时序预测功能模块,并集成于快递数据离线分析系统。