逆向物流中基于模糊着色Petri网的汽车报废量仿真预测

摘要

汽车保有量的持续增长使得报废汽车数量不断增加,致使合理有效地处理报废汽车产生的固体废弃物显得尤为重要。汽车报废量的有效预测不仅能够使报废汽车资源得到合理利用,而且对报废汽车相关政策法规的制定具有导向作用。当前,针对汽车报废量的预测方法较少,而针对汽车产销量的预测方法却层出不穷,以往常按汽车保有量的5％~8%预测汽车报废量。由于汽车技术的不断改进以及道路条件的不断改善,致使汽车报废速度始终落后于汽车产销量的速度,可见,用单一的汽车保有量来预测汽车报废量显然是不合适的,这种方法尚未充分考虑影响汽车报废量的汽车生命周期和经济外部因素,因此,针对这一问题,本文运用具有完整逻辑性的预测方法,即模糊着色Petri网。该方法将模糊推理与着色Petri网系统理论相结合,构建基于模糊着色Petri网(FCPN)的汽车报废量仿真预测模型。
　　首先,从汽车生命周期和经济外部因素两个方面分析汽车报废量的影响因素。在权衡了指标量化的难易程度以及获取数据的完整性后,筛选出12个指标作为汽车报废量的特征指标,其中包括了诸如GDP、人均可支配收入、人口密度、新注册民用汽车、汽车保有量、汽车产量等。通过搜集相关数据,对已确定的指标进行量化,考虑到各个指标数据量纲的差异性,对指标变量进行标准化处理;由于指标较多致使模型关系结构极其复杂,为简化模型结构,利用主成分分析方法对12个指标变量进行分析,依据各个主成分方差累积贡献率的大小,提取前4个主成分作为FCPN的输入,并对提取的主成分的可解释程度进行验证。最终构建了基于FCPN的汽车报废量预测模型,通过对11个地区的汽车报废量预测,实例计算,将标准误差(MSE)、均方根误差(RMSE)、平均绝对百分误差(MAPE)以及平均绝对误差(MAD)作为评价指标,对基于FCPN的预测模型与多元回归模型和RBF神经网络模型的预测结果进行了对比分析,结果表明:所构建的FCPN模型的精度较高。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1论文的研究背景及意义

1.2相关研究的国内外动态

1.3论文的主要研究内容

第二章Petri网基本理论与建模技术

2.1 Petri网的基本概念和理论知识

2.2着色Petri网的基本理论

2.3模糊着色Petri网的基本理论

2.4 CPN Tools

2.5 本章小结

第三章 汽车报废量的影响因素分析及预测模型

3.1 影响汽车报废量预测的汽车生命周期内部因素

3.2经济外部因素

3.3 汽车报废量预测模型

3.4本章小结

第四章 基于FCPN汽车报废量预测模型

4.1 预测模型概述

4.2 指标变量选取

4.3 模型构建

4.4评估标准

4.5本章小结

第五章 基于模糊着色Petri网的汽车报废量预测模型对比分析

5.1基础数据

5.2FCPN预测方法及预测结果

5.3多元回归预测模型

5.4 RBF神经网络预测模型

5.5模型性能的评价

5.6 本章小结

结论与展望

参考文献

附录

攻读学位期间取得的研究成果

致谢