用于农产品冷链物流需求预测的GRA-WHO-TCN组合模型（《智慧农业(中英文)》2024年第3期）

时间：2024-12-28 06:05:11来源：food栏目：冷链新闻阅读：

　　引用格式：

　　刘艳，季俊成. 用于农产品冷链物流需求预测的GRA-WHO-TCN组合模型[J]. 智慧农业(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

　　用于农产品冷链物流需求预测的GRA-WHO-TCN组合模型

　　刘艳1*，季俊成2

　　（1.深圳信息职业技术学院财经学院，广东深圳 518000，中国；2.澳门理工大学应用科学院，澳门特别行政区 999078，中国）

　　摘要：［目的/意义］为了解决冷链物流需求预测在数字化转型中存在特征提取不充分、数据非线性程度高和算法易陷入局部最优等问题，提出一种结合灰色关联分析（Grey Relational Analysis， GRA）、野马优化算法（Wild Horse Optimizer， WHO）和时序卷积网络（Temporal Convolutional Networks， TCN）的组合预测模型，旨在解决需求预测精度不高的问题，以实现农产品供应链智能化管理。

　　［方法］首先运用GRA对农产品冷链物流相关指标进行关联度筛选；其次采用TCN充分考虑农产品供应链中社会经济数据及物流信息中的时序性特征，并使用WHO对TCN模型超参数进行寻优；最后运用优化的GRA-WHO-TCN模型对浙江省冷链物流需求进行预测。

　　［结果和讨论］采用WHO的时序算法TCN模型能够有效提取多维度数据的时序特征和空间特征，具备较好的拟合效果。与GRA-LSTM、GRA-TCN和GRA-WHO-LSTM模型相比，GRA-WHO-TCN冷链物流需求预测模型具有较低的均方根误差值（11.3）和有效的相关系数（0.95），且预测2016—2020年浙江省农产品冷链物流需求量分别为2 980、3 046、2 487、2 645和2 799万吨，能够实现对冷链物流需求较高的预测精度。

　　［结论］提出的GRA-WHO-TCN模型具备良好的优化和预测能力，能够为数字经济背景下农产品供应链物资流、信息流发展提供科学预测依据和实际参考价值。

　　关键词：数字化转型；农产品供应链；冷链物流；灰色关联分析；野马优化算法；时序卷积网络

　　文章图片

图1　时序卷积神经网络结构图

　　Fig. 1 Structure of temporal convolutional networks

图2　冷链物流需求量影响指标灰色关联度

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

图3　农产品冷链物流数据滑动窗口划分

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

图4　LSTM网络和TCN参数优化结果

　　Fig 4 Optimization results of LSTM net and TCN parameters

图5　GRA-WHO-LSTM和GRA-WHO-TCN模型适应度变化

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

　　通讯作者简介

　　刘艳博士

　　刘艳，哈尔滨工业大学管理科学与工程博士，深圳信息职业技术学院财经学院讲师，目前受聘为区政协咨询委员会咨询委员，主要从事区域经济与产业政策、供应链管理、金融科技等领域研究，有多年从事商业银行产品研发业务的工作经验，拥有行业相关国家发明专利和软件著作权多项，先后发表多篇论文，承担省市级及企业横向委托研究课题多项。

　　来源：《智慧农业（中英文）》2024年第3期

　　（转自：智慧农业期刊）

冷链服务业务联系电话：19937817614