BP神經(jīng)網(wǎng)絡(luò)在漁貨卸港量預(yù)測(cè)中的應(yīng)用

劉航飛，陳昌平，鄭艷娜，陳榮庚

（大連海洋大學(xué) 海洋與土木工程學(xué)院，遼寧 大連 116023）

0 引言

漁貨卸港量作為評(píng)價(jià)港口規(guī)劃及發(fā)展水平的一項(xiàng)主要指標(biāo)，是漁港建設(shè)工程項(xiàng)目規(guī)劃設(shè)計(jì)的主要依據(jù)。因此進(jìn)行漁貨卸港量的科學(xué)預(yù)測(cè)，對(duì)漁港建設(shè)工程具有積極的指導(dǎo)意義。目前針對(duì)漁貨卸港量的預(yù)測(cè)，各地漁港工程可行性研究報(bào)告中普遍采用一元線性回歸的時(shí)間序列法[1-2]、一元線性灰色理論[3]以及多元線性灰色理論[4]對(duì)漁貨卸港量進(jìn)行預(yù)測(cè)；時(shí)間序列法是建立時(shí)間與卸貨量之間的一元線性回歸方程進(jìn)而對(duì)卸港量進(jìn)行預(yù)測(cè)，在實(shí)測(cè)數(shù)據(jù)較少的情況下，其預(yù)測(cè)精度較低，誤差較大；灰色理論[5-6]則是將原始數(shù)列經(jīng)過(guò)累加生成后，建立具有微分、差分近似指數(shù)規(guī)律兼容的方程，對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)，但是由于灰色模型本身固有的模型參數(shù)少、容錯(cuò)能力差的特點(diǎn)，并且其具有快速衰減和遞增的屬性，所以它的時(shí)效性有限，不適合做長(zhǎng)期的預(yù)測(cè)或分析；然而神經(jīng)網(wǎng)絡(luò)[7-8]在研究小樣本方面，具有明顯的優(yōu)勢(shì)；該模型容錯(cuò)能力強(qiáng)、預(yù)測(cè)和識(shí)別速度快以及具有學(xué)習(xí)和記憶的能力等優(yōu)點(diǎn)，通過(guò)不斷的訓(xùn)練和學(xué)習(xí)，使得預(yù)測(cè)結(jié)果不斷的接近實(shí)際值；并且其在建模時(shí)不需要大量的數(shù)據(jù)就能得到較好的預(yù)測(cè)效果，已被廣泛應(yīng)用于經(jīng)濟(jì)管理、自然科學(xué)、農(nóng)業(yè)科學(xué)、工程技術(shù)等各個(gè)領(lǐng)域。

1 BP神經(jīng)網(wǎng)絡(luò)基本原理

人工神經(jīng)網(wǎng)絡(luò)具有復(fù)雜模式和進(jìn)行聯(lián)想、推理記憶的功能，它是解決某些傳統(tǒng)方法所無(wú)法解決的問(wèn)題的有力工具。1986年Romelhart和Mc-clelland提出了誤差反向傳播算法(Error Back Propagation Algorithm，簡(jiǎn)稱 BP算法)，由于多層前饋網(wǎng)絡(luò)的訓(xùn)練經(jīng)常采用誤差反向傳播算法，人們也常把多層前饋網(wǎng)絡(luò)稱為BP網(wǎng)絡(luò)。該模型具有容錯(cuò)能力強(qiáng)、預(yù)測(cè)和識(shí)別速度快以及具有學(xué)習(xí)和記憶的能力等優(yōu)點(diǎn)，因此在模式識(shí)別及分類、系統(tǒng)仿真、故障智能診斷、圖像處理、函數(shù)擬合、最優(yōu)預(yù)測(cè)等方面具有廣泛的應(yīng)用。

BP神經(jīng)網(wǎng)絡(luò)模型主要由三個(gè)部分構(gòu)成：BP神經(jīng)網(wǎng)絡(luò)構(gòu)建、BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練以及BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)，具體的BP神經(jīng)網(wǎng)絡(luò)模型流程圖如圖1所示。

BP神經(jīng)網(wǎng)絡(luò)的基本原理為：當(dāng)網(wǎng)絡(luò)的輸入（即相應(yīng)影響因素）為時(shí)，網(wǎng)絡(luò)的實(shí)際輸出為，網(wǎng)絡(luò)的期望輸出（即實(shí)際的卸港量）為

定義學(xué)習(xí)的目標(biāo)函數(shù)為：

同時(shí) BP算法通過(guò)公式（2）來(lái)調(diào)整權(quán)值，使目標(biāo)函數(shù)最?。?/p>

基于以下公式，偏差逐步反傳：

得出各因素的權(quán)值后，利用最后處理后的權(quán)值對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。

圖1 BP神經(jīng)網(wǎng)絡(luò)模型運(yùn)行流程圖

2 算例

利用BP神經(jīng)網(wǎng)絡(luò)原理，對(duì)遼寧省前陽(yáng)一級(jí)漁港1996～2005年的漁貨卸港量資料進(jìn)行訓(xùn)練，然后對(duì)2006年的漁貨卸港量進(jìn)行預(yù)測(cè)。表1為前陽(yáng)一級(jí)漁港1996～2006年實(shí)際卸港量。

表1 遼寧省前陽(yáng)一級(jí)漁港1996～2006年卸港量資料

本文中輸入層單元個(gè)數(shù)為1，隱含層單元個(gè)數(shù)為5，輸出層單元個(gè)數(shù)為1；每次循環(huán)100次，期望目標(biāo)誤差最小值 0.001，運(yùn)用 MATLAB軟件編程對(duì)遼寧省前陽(yáng)一級(jí)漁港 1996～2005年漁貨卸港量樣本進(jìn)行學(xué)習(xí)和訓(xùn)練。表 2為遼寧省前陽(yáng)一級(jí)漁港1996～2005年實(shí)際漁貨卸港量和預(yù)測(cè)漁貨卸港量的對(duì)比。

表2 遼寧省前陽(yáng)一級(jí)漁港1996～2005年卸港量BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與實(shí)際值對(duì)比表

圖2為漁貨卸港量的預(yù)測(cè)值與實(shí)際值對(duì)比圖，由圖2可知訓(xùn)練后得到的預(yù)測(cè)值與實(shí)際值更加接近。

圖2 前陽(yáng)一級(jí)漁港實(shí)際卸港量和預(yù)測(cè)卸港量對(duì)比圖

由表2分析可知，遼寧省前陽(yáng)一級(jí)漁港漁貨卸港量每年的相對(duì)誤差最大值為 0.874%，最小值為0.001%，平均值為0.217%，均小于1%，達(dá)到了較高的精度；同樣由圖2也可以比較直觀得出，預(yù)測(cè)值和實(shí)際值非常接近；經(jīng)過(guò)訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)，其訓(xùn)練得到相關(guān)系數(shù)R=0.99928，擬合效果非常好；其均方誤差MSE趨近于，滿足精度要求。

進(jìn)一步利用 BP神經(jīng)網(wǎng)絡(luò)對(duì)前陽(yáng)一級(jí)漁港 2006年卸港量進(jìn)行預(yù)測(cè)，如表3所示。

表3 卸港量預(yù)測(cè)結(jié)果對(duì)比

3 模型應(yīng)用驗(yàn)證

利用 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)七個(gè)漁港漁貨的卸港量，并將其與灰色理論以及時(shí)間序列的一元線性回歸進(jìn)行比較，如表4所示：

進(jìn)一步可以得出七個(gè)漁港在三種預(yù)測(cè)方法下的平均相對(duì)誤差（絕對(duì)值的平均值），如表5所示，并對(duì)其進(jìn)行比較。

表5 平均相對(duì)誤差表

由以上比較可以更加直觀得出，BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的平均相對(duì)誤差要小于灰色理論和時(shí)間序列法的預(yù)測(cè)值的平均相對(duì)誤差，因此采用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)具有較好的合理性。

表4 各漁港漁貨卸港量預(yù)測(cè)結(jié)果比較

4 結(jié)論

BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法借助MATLAB編程實(shí)現(xiàn)，通過(guò)不斷的學(xué)習(xí)和訓(xùn)練以及將網(wǎng)絡(luò)的輸出數(shù)據(jù)與實(shí)際數(shù)據(jù)相比較，直到網(wǎng)絡(luò)的輸出數(shù)據(jù)對(duì)所有訓(xùn)練數(shù)據(jù)與理想輸出數(shù)據(jù)之差在要求的誤差范圍之內(nèi)，從而可以進(jìn)一步對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。通過(guò)比較BP神經(jīng)網(wǎng)絡(luò)方法、一元線性回歸時(shí)間序列法和灰色模型GM（1.1）方法的預(yù)測(cè)結(jié)果可知采用BP神經(jīng)網(wǎng)絡(luò)方法得到的漁貨卸港量預(yù)測(cè)結(jié)果更加接近實(shí)際值，精度更高，該模型較低的誤差預(yù)測(cè)結(jié)果有利于漁港的前期建設(shè)規(guī)劃工作，便于選取優(yōu)勢(shì)漁港進(jìn)行擴(kuò)建改造工程，同時(shí)準(zhǔn)確的漁貨卸港量預(yù)測(cè)對(duì)當(dāng)?shù)貪O業(yè)產(chǎn)業(yè)的發(fā)展也有著更深遠(yuǎn)的實(shí)際意義。

[1]桂勁松. 我國(guó)漁港卸魚(yú)量發(fā)展水平預(yù)測(cè)方法探討[J]. 大連水產(chǎn)學(xué)院學(xué)報(bào), 1995(03): 75-78.

[2]郭子堅(jiān). 港口規(guī)劃與布置[M]. 北京: 人民交通出版社,2011.

[3]周長(zhǎng)祿, 王翔宇, 宋忱潞, 等. 灰色模型GM(1,1)在漁貨卸港量預(yù)測(cè)中的應(yīng)用[J]. 科技創(chuàng)新與應(yīng)用, 2014(21): 13-14.

[4]陳昌平, 周長(zhǎng)祿, 趙學(xué)達(dá), 等. 基于灰色多元線性回歸方法的漁貨卸港量預(yù)測(cè)[J]. 現(xiàn)代交通, 2014(03): 20-25.

[5]劉思峰. 灰色系統(tǒng)理論的產(chǎn)生與發(fā)展[J]. 南京航空航天大學(xué)學(xué)報(bào), 2004(02): 267-272.

[6]劉思峰, 曾波, 劉解放, 等. GM(1,1)模型的幾種基本形式及其適用范圍研究[J]. 系統(tǒng)工程與電子技術(shù), 2014(03):501-508.

[7]周政. BP神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀綜述[J]. 山西電子技術(shù),2008(02): 90-92.

[8]樊振宇. BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法[J]. 軟件導(dǎo)刊,2011(07): 66-68.