基于改进的EMD-LSTM的电子物流中预测废物生产和规划回收路径的策略
Shujuan Liu1, Hui Jin1, Yanbiao Di1
1School of Logistics, Liaoning Vocational University of Technology, Jinzhou 121007, China.
Mathematical biosciences and engineering : MBE
|November 3, 2023
概括
本研究引入了改进的实证模式分解 (IEMD) 和长期短期内存 (LSTM) 网络模型,以预测和优化快速包装回收. 该方法提高了回收成功率,并有效地管理物流废物.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 运营研究 运营研究
背景情况:
- 电子商务的增长导致大量的快递包装浪费,导致资源枯竭和污染.
- 由于在线采购模式不规则,目前的物流系统难以预测区域回收需求.
- 不有效的废物管理会增加环境影响和运营成本.
研究的目的:
- 开发一个预测模型,以优化物流公园的垃圾回收.
- 分析可回收物流废物的分布和价值.
- 提高废物回收运营的效率和成功率.
主要方法:
- 开发了一种改进的经验模式分解 (IEMD) 算法与长期短期记忆 (LSTM) 网络相结合.
- 该模型处理物流数据,包括地址和类别,以预测回收需求.
- 模拟了算法行为,并使用现实物流数据与其他分类方法进行了比较.
主要成果:
- 与其他算法相比,IEMD-LSTM模型显示出高预测准确性和稳定性.
- 该研究成功分析了可回收废物分配和优化回收车辆路线.
- 提出的方法显著提高了物流废物回收的成功率.
结论:
- IEMD-LSTM模型为快递物流包装废物管理提供了可行和有效的解决方案.
- 拟议的废物回收方案适用于现实世界的应用.
- 优化的回收利用策略有助于节约资源和保护环境.
