自然灾害应急物资需求预测方法研究

摘要

近年来，自然灾害频繁发生，给我国的经济发展和人民生命财产和带来重大损失。应对自然灾害时必然需要大量的应急物资，它是救灾工作的物质基础和基本保障，对应急物资需求的分析和研究至关重要。我国应急物流发展尚处于起步阶段，应急物资管理中还存在着诸多问题，特别是应急物资需求量不明确，在救灾过程中出现应急物资短缺等问题。为了提高应对自然灾害的能力和处理效率，有必要对应急物资需求数量的预测问题进行深入研究。
　　 本文以预测应急物资需求量为研究对象，首先对国内外在应急物资需求预测方面的研究进行了探讨，分析了各种预测方法的优缺点。然后，文中基于不同的应急环境，根据案例推理、BP神经网络在应急物资需求预测中应用的不足，结合各自的基本原理和算法流程，提出了两种优化算法的预测模型。在历史数据比较齐全，宏观上预测整个救灾情况时，比较适合选择基于粗糙集理论的案例推理预测模型；在历史数据不完备，存在特殊案例或脏数据时，选用基于遗传优化神经网络的预测模型。由于自然灾害历史案例数据多而杂，势必影响案例推理的效率，因而本文利用粗糙集的知识约简，根据不同的应急物资客观地提取相应的关键影响因素，忽略非关键因素，再根据关键因素进行案例检索等操作；同时，根据粗糙集的属性重要度来客观确定案例匹配中需要的属性权值。这种方法不仅缩短了检索时间，降低了计算成本，而且提高了预测的科学性和客观性。另外，根据BP神经网络在应急物资需求预测中的应用，针对神经网络预测过程收敛速度慢，网络结构不稳定等问题，利用遗传算法优化BP神经网络的初始权值和阈值，提高了BP神经网络的收敛速度和全局搜索能力。并给出了基于粗糙集约简的遗传优化神经网络的实验结果。理论分析和实验结果表明，神经网络用于应急物资需求的预测是可行和有效的，有着良好的前景，而GABP算法进一步提高了运行的速度和可靠性。

目录

声明

摘要

第1章 绪论

1.1 研究背景及研究意义

1.1.1.研究背景

1.1.2. 研究目的及意义

1.2 国内外研究现状

1.2.1.国外研究现状

1.2.2.国内研究现状

1.2.3.对现有主要预测方法的评述

1.3 论文的主要内容及结构安排

1.4 本章小结

第2章 基于粗糙集和案例推理的应急物资需求预测方法

2.1 案例推理技术

2.2 粗糙集理论

2.3 基于粗糙集和CBR的应急物资需求预测方法

2.4 实验验证

2.5 本章小结

第3章 基于遗传优化神经网络的应急物资需求预测方法

3.1.BP神经网络基本原理

3.2.遗传算法

3.3.基于遗传算法优化BP网络的应急物资需求预测方法

3.3.1.遗传优化BP算法的具体步骤

3.3.2.GABP算法实现的关键技术

3.4.实验验证

3.5.本章小结

第4章 总结与展望

4.1.研究总结

4.2.研究展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果