典型文献
基于K近邻改进算法的城市配送量预测研究
文献摘要：
准确预测城市配送订单量对于科学调配城市配送资源和优化平台运营管理具有重要意义.以合肥市城市配送平台2018-2020年订单数据为例,以7天为时间周期组成数据集,对订单历史数据库进行标准化清洗,以平均绝对误差最小为优化目标,优化了K近邻模型的参数K和状态向量T的取值.研究表明:当K=2,T根据不同数据类型取值1～4时,预测误差最小.对比分析历史平均模型与移动平均算法,三种预测方法的平均绝对百分比误差分别为8.34％、23.65％、11.16％,K近邻算法的预测精度高于其它两种方法,预测精度接近91.7％,能够较好地预测城市配送订单需求量,具有较良好的应用推广价值.
文献关键词：
城市交通;订单预测;K近邻;城市配送
中图分类号：
作者姓名：
肖赟;刘洋;裴爱晖;梁子君
作者机构：
合肥学院 城市建设与交通学院,合肥 210601;安徽省智慧交通大数据分析与应用工程实验室,合肥 210601;交通运输部公路科学研究院,北京 100088
文献出处：
引用格式：
[1]肖赟;刘洋;裴爱晖;梁子君-.基于K近邻改进算法的城市配送量预测研究)[J].淮阴工学院学报,2022(03):1-7,30
A类：
B类：
改进算法,城市配送,预测研究,准确预测,订单量,平台运营,运营管理,合肥市,订单数据,时间周期,历史数据库,平均绝对误差,优化目标,状态向量,数据类型,预测误差,移动平均算法,平均绝对百分比误差,近邻算法,应用推广,城市交通,订单预测
AB值：
0.365574
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
