在中國(guó)經(jīng)濟(jì)的迅猛發(fā)展下,居民的消費(fèi)水平日益提高,越來(lái)越要求高效、快捷、方便的服務(wù),而快遞業(yè)在電子商務(wù)和數(shù)字新基建的背景下,滿足了人們的這種消費(fèi)需求,也越來(lái)越成為居民生活中不可或缺的服務(wù)性行業(yè)。對(duì)于監(jiān)管云南省內(nèi)所有快遞公司的云南郵政管理局而言,科學(xué)合理的預(yù)測(cè)云南省快遞業(yè)務(wù)量,是進(jìn)行快遞行業(yè)設(shè)施規(guī)劃、投資決策、風(fēng)險(xiǎn)評(píng)估中的重要環(huán)節(jié)。因此,本論文旨在構(gòu)建云南省快遞業(yè)務(wù)量預(yù)測(cè)模型。按照鄉(xiāng)級(jí)、縣級(jí)、地級(jí)、省級(jí)的結(jié)構(gòu)框架,匯總得到了云南省郵政管理局的快遞業(yè)務(wù)量,并通過(guò)數(shù)據(jù)分析選擇使用Prophet模型、XGBoost模型、ProphetXGBoost組合模型來(lái)預(yù)測(cè)。在Prophet和XGBoost兩個(gè)單一模型的構(gòu)建上,通過(guò)調(diào)整參數(shù)構(gòu)建了Prophet模型,并計(jì)算了該模型在測(cè)試集上的平均絕對(duì)誤差為537.83;通過(guò)月份特征、滯后算子、一階差分運(yùn)算構(gòu)建了XGBoost模型的特征,并計(jì)算了該模型在測(cè)試集上的平均絕對(duì)誤差為206.75。結(jié)果表明,XGBoost模型比Prophet模型更優(yōu)。由于單一模型的提升有一定的局限性,而模型融合方法可以產(chǎn)生比單一模型更低的平均絕對(duì)誤差。因此,本論文在單一模型的基礎(chǔ)上進(jìn)...

【文章頁(yè)數(shù)】：95 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究動(dòng)態(tài)
        1.2.1 基于統(tǒng)計(jì)學(xué)的國(guó)內(nèi)外研究動(dòng)態(tài)
        1.2.2 基于灰色系統(tǒng)的國(guó)內(nèi)外研究動(dòng)態(tài)
        1.2.3 基于機(jī)器學(xué)習(xí)的國(guó)內(nèi)外研究動(dòng)態(tài)
        1.2.4 文獻(xiàn)評(píng)述
    1.3 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)及技術(shù)路線
第二章 快遞業(yè)務(wù)量預(yù)測(cè)相關(guān)理論
    2.1 時(shí)間序列的相關(guān)理論
        2.1.1 時(shí)間序列預(yù)測(cè)的概念
        2.1.2 時(shí)間序列數(shù)據(jù)的分解
        2.1.3 時(shí)間序列成分的確定
    2.2 Prophet算法的理論
        2.2.1 Prophet算法的介紹
        2.2.2 Prophet算法的原理
    2.3 XGBoost模型的理論
        2.3.1 集成算法
        2.3.2 梯度提升決策樹(shù)
        2.3.3 XGBoost原理
    2.4 性能度量
    2.5 本章小結(jié)
第三章 建模準(zhǔn)備
    3.1 實(shí)驗(yàn)環(huán)境及編程語(yǔ)言
        3.1.1 實(shí)驗(yàn)環(huán)境
        3.1.2 編程語(yǔ)言
    3.2 云南省郵政管理局概況
        3.2.1 結(jié)構(gòu)框架
        3.2.2 快遞行業(yè)發(fā)展?fàn)顩r
    3.3 數(shù)據(jù)來(lái)源及相關(guān)分析
        3.3.1 數(shù)據(jù)說(shuō)明及統(tǒng)計(jì)分析
        3.3.2 組成成分分析
    3.4 選擇算法的依據(jù)
    3.5 本章小結(jié)
第四章 單一模型的構(gòu)建
    4.1 Prophet模型的構(gòu)建
        4.1.1 數(shù)據(jù)類型的修改
        4.1.2 參數(shù)說(shuō)明
        4.1.3 參數(shù)調(diào)整及預(yù)測(cè)
        4.1.4 實(shí)驗(yàn)結(jié)果分析
    4.2 XGBoost模型的構(gòu)建
        4.2.1 時(shí)間序列數(shù)據(jù)重組為監(jiān)督學(xué)習(xí)
        4.2.2 根據(jù)月份特征進(jìn)行預(yù)測(cè)
        4.2.3 引入滯后算子進(jìn)行預(yù)測(cè)
        4.2.4 加入差分進(jìn)行預(yù)測(cè)
        4.2.5 實(shí)驗(yàn)結(jié)果分析
    4.3 單一模型的實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
第五章 Prophet-XGBoost模型的構(gòu)建
    5.1 模型融合的概念
    5.2 選擇模型融合的依據(jù)
        5.2.1 理論依據(jù)
        5.2.2 現(xiàn)實(shí)依據(jù)
    5.3 融合模型的構(gòu)建及結(jié)果分析
    5.4 模型效果驗(yàn)證
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
附錄 A 攻讀碩士學(xué)位期間成果
附錄 B 關(guān)鍵代碼



本文編號(hào)：3784308