用于農產品冷鏈物流需求預測的GRA-WHO-TCN組合模型（《智慧農業(中英文)》2024年第3期）

時間：2024-12-28 06:05:11來源：food欄目：冷鏈新聞閱讀：

　　引用格式：

　　劉艷，季俊成. 用于農產品冷鏈物流需求預測的GRA-WHO-TCN組合模型[J]. 智慧農業(中英文)， 2024， 6(3): 148-158. DOI：10.12133/j.smartag.SA202310006

　　Citation:LIU Yan， JI Juncheng. GRA-WHO-TCN Combination Model for Forecasting Cold Chain Logistics Demand of Agricultural Products[J]. Smart Agriculture， 2024， 6(3): 148-158.

　　DOI：10.12133/j.smartag.SA202310006

　　用于農產品冷鏈物流需求預測的GRA-WHO-TCN組合模型

　　劉艷1*，季俊成2

　　（1.深圳信息職業技術學院財經學院，廣東深圳 518000，中國；2.澳門理工大學應用科學院，澳門特別行政區 999078，中國）

　　摘要：［目的/意義］為了解決冷鏈物流需求預測在數字化轉型中存在特征提取不充分、數據非線性程度高和算法易陷入局部最優等問題，提出一種結合灰色關聯分析（Grey Relational Analysis， GRA）、野馬優化算法（Wild Horse Optimizer， WHO）和時序卷積網絡（Temporal Convolutional Networks， TCN）的組合預測模型，旨在解決需求預測精度不高的問題，以實現農產品供應鏈智能化管理。

　　［方法］首先運用GRA對農產品冷鏈物流相關指標進行關聯度篩選；其次采用TCN充分考慮農產品供應鏈中社會經濟數據及物流信息中的時序性特征，并使用WHO對TCN模型超參數進行尋優；最后運用優化的GRA-WHO-TCN模型對浙江省冷鏈物流需求進行預測。

　　［結果和討論］采用WHO的時序算法TCN模型能夠有效提取多維度數據的時序特征和空間特征，具備較好的擬合效果。與GRA-LSTM、GRA-TCN和GRA-WHO-LSTM模型相比，GRA-WHO-TCN冷鏈物流需求預測模型具有較低的均方根誤差值（11.3）和有效的相關系數（0.95），且預測2016—2020年浙江省農產品冷鏈物流需求量分別為2 980、3 046、2 487、2 645和2 799萬噸，能夠實現對冷鏈物流需求較高的預測精度。

　　［結論］提出的GRA-WHO-TCN模型具備良好的優化和預測能力，能夠為數字經濟背景下農產品供應鏈物資流、信息流發展提供科學預測依據和實際參考價值。

　　關鍵詞：數字化轉型；農產品供應鏈；冷鏈物流；灰色關聯分析；野馬優化算法；時序卷積網絡

　　文章圖片

圖1　時序卷積神經網絡結構圖

　　Fig. 1 Structure of temporal convolutional networks

圖2　冷鏈物流需求量影響指標灰色關聯度

　　Fig. 2 Grey correlation degree of impact indicators on cold chain logistics demand

圖3　農產品冷鏈物流數據滑動窗口劃分

　　Fig. 3 Sliding window division of agricultural products cold chain logistics data

圖4　LSTM網絡和TCN參數優化結果

　　Fig 4 Optimization results of LSTM net and TCN parameters

圖5　GRA-WHO-LSTM和GRA-WHO-TCN模型適應度變化

　　Fig. 5 Changes in fitness of GRA-WHO-LSTM and GRA-WHO-TCN models

　　通訊作者簡介

　　劉艷博士

　　劉艷，哈爾濱工業大學管理科學與工程博士，深圳信息職業技術學院財經學院講師，目前受聘為區政協咨詢委員會咨詢委員，主要從事區域經濟與產業政策、供應鏈管理、金融科技等領域研究，有多年從事商業銀行產品研發業務的工作經驗，擁有行業相關國家發明專利和軟件著作權多項，先后發表多篇論文，承擔省市級及企業橫向委托研究課題多項。

　　來源：《智慧農業（中英文）》2024年第3期

　　（轉自：智慧農業期刊）

冷鏈服務業務聯系電話：19937817614