基于多元线性回归模型的预测分析决策系统的研究与实现

摘要

本文通过对多元线性回归理论体系的研究，运用该理论方法建立预测分析模型系统。该模型系统通过对大量的物流信息作多元回归计算分析以建立相应的预测分析模型库，最后通过对实际情况中物流仓储的配送作定量的计算和分析，以取得在不同的模型下所获得的相应的配送成本、损耗以及配送时间的预测值。通过对这些参数的量化对比分析，决定相对优化的配送方案。 本文的主要工作如下： 1．提出了元数据的归结投影算法。元数据作为本系统基础的结构化数据，其主要作用是为动态建立多维数据集提供结构统一、具有时序性的时间数据序列。而且该数据序列必须将属于同一时序间隔中的相关数据归并，随后有序地投影到时间序列轴上，以形成时序数列。 2．提出了建立动态多维数据集的步骤和相关算法，并实现了分别从三个不同的数据维度方向建立动态多维数据集，以作为预测模型计算的主要数据结构。 3．在运用多元线性回归建模过程中，提出了适合预测物流配送过程中相应的配送成本、损耗以及配送时间的预测评价模型。该模型的建立完成了对多元线性回归模型整个建模过程的实现。 4．给出了基于多元线性回归模型的计算机原型系统，并对本文的主要理论给出了设计和实现方案，并研究提出双序列外推差值差分检验算法，通过实验结果分析，以验证模型的适用性和有效性。

目录

文摘

英文文摘

声明

第一章绪论

1.1预测方法在物流配送应用领域的现状

1.2预测体系的主要特点

1.3本文的研究内容和意义

1.3.1主要研究内容

1.3.2本文的章节安排

1. 3.3研究意义

第二章回归预测模型的相关应用技术和理论背景

2.1多维数据集

2.1.1多维数据集概述

2.1.2多维数据集特性

2.2计量预测模型

2.2.1计量预测模型概述

2.2.2计量预测模型建模方法

2.3多元线性回归预测模型的基本理论思想

2.3.1基于多元回归预测模型预测分析理论主要应用研究现状

2.3.2多元回归预测模型预测分析理论在计算机领域的应用

第三章预测模型系统的设计与研究

3.1基于多元线性回归预测分析模型系统整体方案研究

3.1.1普通供应链业务模式系统的主要架构及其弊端

3.1.2物流仓储配送预测系统的设计

3.2基于多元线性回归预测分析模型系统的整体构架

3.3基于多元线性回归预测模型系统主要算法

第四章基于多元线性回归预测分析系统的实现

4.1元数据的建立

4.1.1元数据的定义

4.1.2元数据的特性

4.1.3元数据的采集和生成

4.2多维数据集的建立

4.2.1多维数据集的维度

4.2.2多维数据集的动态性

4.2.3多维数据集的建立

4.2.4多维数据集建立的算法描述

4.3评价预测模型的建立

4.3.1模型参数定义

4.3.2评价函数的建立

4.3.3计算参数向量β矩阵

4.3.4多维数据X矩阵

4.3.5评价数据向量G

4.4模型参数估计

4.4.1参数向量β的估计和拟合

4.5预测模型库建立

4.5.1预测模型库的建立

4.5.2配送方案优化

第五章模型综合测试

5.1基于多元线性回归预测模型原型系统的实现

5.1.1原型系统的应用背景

5.1.2原型系统的开发平台和环境设置

5.2原型系统数据分布状态分析

5.2.1原型系统数据体系结构描述

5.2.2数据体系的分布状态

5.3原型系统的实现

5.3.1原型系统的整体介绍

5.3.2原型系统主要功能模块的实现

5.4原型系统的测试

5.4.1多元线性回归模型的理论测试方法

5.4.2基于理论测试方法的双序列外推差值差分检验算法

5.4.3基于理论测试方法的双序列外推差值差分检验法算法描述

5.4.4系统测试实例

第六章系统实现意义与展望

6.1总结

6.2系统的不足和未实现部分

附录1图例

附录2表格

附录3数据辞典

参考文献：

作者攻读学位期间发表的论文

致谢