基于BP神經(jīng)網(wǎng)絡(luò)的海南省物流需求預(yù)測

（武漢理工大學(xué) 物流工程學(xué)院，湖北 武漢 430063）

1 引言

在政府領(lǐng)導(dǎo)以及相關(guān)政策支持下，近幾年海南省經(jīng)濟穩(wěn)步前進。據(jù)統(tǒng)計，2016年全年海南省全省地區(qū)生產(chǎn)總值(GDP)達4 044.51億元，同比增長9.2%。其中，第一、二、三次產(chǎn)業(yè)增加值分別為93.63億元、26.86億元、221.26億元。分別比上年增長10.9%、3.1%、11.2%。三次產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值的比重分別為23.45、22.32、54.23。近幾年，海南省經(jīng)濟水平獲得了較快的發(fā)展，人民生活水平不斷提高，社會發(fā)展和人民生活對物流業(yè)也提出了更高的要求和期望。但目前海南省物流業(yè)發(fā)展仍存在一定的問題，大宗貨運成本較高，瓜果速遞速度待提高，南菜北運損耗較高，網(wǎng)購商品快遞速度有待提高。歸根到底一句話：海南需要一個“快速、高效、專業(yè)、服務(wù)一流”的現(xiàn)代物流業(yè)服務(wù)生產(chǎn)、生活。雖然海南省物流業(yè)起步較晚，基礎(chǔ)較差，發(fā)展水平不高，但是隨著近些年海南省國際旅游島的建設(shè)，海南省的物流業(yè)也開始快速成長，獲得了較快發(fā)展。海南省的物流業(yè)已經(jīng)成為支撐國際旅游島建設(shè)和推動社會經(jīng)濟發(fā)展的重要力量。對海南省的物流需求規(guī)模進行合理預(yù)測，并分析相關(guān)預(yù)測數(shù)據(jù)的合理性和有效性，可以為海南省未來一定時期內(nèi)的物流系統(tǒng)規(guī)劃提供理論依據(jù)。

2 BP神經(jīng)網(wǎng)絡(luò)用于區(qū)域物流需求預(yù)測的思路分析

區(qū)別于其他一些簡單的線性系統(tǒng)，物流系統(tǒng)是一個非常復(fù)雜的非線性系統(tǒng)[1]。其中包含眾多因素，而且各因素之間的關(guān)聯(lián)性很難通過簡單的線性規(guī)劃來求解，也很難用一個準(zhǔn)確的數(shù)學(xué)解析式來表達，用傳統(tǒng)的預(yù)測模型方法難以有效涵蓋物流系統(tǒng)的各個方面，難以建立預(yù)測模型的具體函數(shù)形式，即使建立了模型，也難以找到一個恰當(dāng)?shù)膮?shù)估計方法來確定參數(shù)。神經(jīng)網(wǎng)絡(luò)預(yù)測的精確度非常高，因為通過學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)可以以任意的精確度逼近任意非線性映射，這是傳統(tǒng)的預(yù)測方法無法達到的。此外，神經(jīng)網(wǎng)絡(luò)無需確定參數(shù)，無需假定f（x1,x2,…,xn）的數(shù)學(xué)結(jié)構(gòu)，也不需要建立具體的函數(shù)形式，它是通過映射來反映函數(shù)的，可以通過建立輸入與輸出模型來預(yù)測結(jié)果。因此，運用神經(jīng)網(wǎng)絡(luò)模型進行物流需求預(yù)測可以避免建模問題的困難，同時還可以有效提高預(yù)測的準(zhǔn)確度。理論上已經(jīng)證明，具有三層結(jié)構(gòu)和一定數(shù)量神經(jīng)元的神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任一函數(shù)f（x1,x2,…,xn）[2]。BP神經(jīng)網(wǎng)絡(luò)的建模思路如下：

（1）用一神經(jīng)網(wǎng)絡(luò)模擬目標(biāo)函數(shù)式y(tǒng)=f（x1,x2,…,xn）中的f（x1,x2,…,xn）。

（2）用神經(jīng)網(wǎng)絡(luò)預(yù)測代替函數(shù)預(yù)測。①建立具體的神經(jīng)網(wǎng)絡(luò)模型，包括輸入層、隱含層、輸出層，而且每層神經(jīng)元要符合理論要求。②神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)通過學(xué)習(xí)訓(xùn)練的方法來確定，其要滿足:當(dāng)輸入x1,x2,…,xn神經(jīng)網(wǎng)絡(luò)的輸出值接近目標(biāo)函數(shù)Y。③用以上已經(jīng)學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)來進行預(yù)測，即給出輸入值x1,x2,…,xn的一組值，通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)得到預(yù)測目標(biāo)Y的輸出值。

3 實證分析

3.1 預(yù)測指標(biāo)的選取

本文采取的BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法，以經(jīng)濟指標(biāo)為輸入指標(biāo)，來預(yù)測海南省未來的物流需求規(guī)模。建立BP神經(jīng)網(wǎng)絡(luò)前需選取合適的經(jīng)濟指標(biāo)和物流指標(biāo)。

貨運量和貨運周轉(zhuǎn)量在一定程度上可以反映物流需求的變化規(guī)律，所以本文選擇貨運量和貨運周轉(zhuǎn)量作為物流指標(biāo)，即BP神經(jīng)網(wǎng)絡(luò)模型的輸出指標(biāo)。基于數(shù)據(jù)的可獲得性及經(jīng)濟指標(biāo)與物流指標(biāo)之間的相關(guān)性，選取2003-2016年海南省地區(qū)生產(chǎn)總值(GDP)、三次產(chǎn)業(yè)產(chǎn)值、區(qū)域零售總額、城鎮(zhèn)常住居民人均可支配收入、居民消費水平作為海南省物流需求預(yù)測的輸入指標(biāo)[3-4]，運用BP神經(jīng)網(wǎng)絡(luò)預(yù)測海南省2017-2022年的貨運量和貨運周轉(zhuǎn)量。

3.2 數(shù)據(jù)來源

本文所選取的數(shù)據(jù)資料源于海南省歷年統(tǒng)計年鑒，見表1。將2003至2014年的數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練樣本，2015和2016年的數(shù)據(jù)作為網(wǎng)絡(luò)測試樣本，用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測2017至2022年的貨運量和貨運周轉(zhuǎn)量。

表1 海南省歷年物流指標(biāo)與經(jīng)濟指標(biāo)數(shù)據(jù)

由于BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法是以對本年的輸出指標(biāo)有很大影響的輸入指標(biāo)來預(yù)測本年要預(yù)測指標(biāo)的變化，所以在進行下一年的預(yù)測時須知道下一年各影響輸出指標(biāo)的值。下面將根據(jù)歷年數(shù)據(jù)設(shè)定海南省物流需求影響因素的變化趨勢。

最近幾年，海南省經(jīng)濟呈現(xiàn)較快發(fā)展之勢，GDP從2003年到2016年年均增長率為14.39%。三次產(chǎn)業(yè)也不斷發(fā)展，其中第一產(chǎn)業(yè)年均增長率為11.13%，第二產(chǎn)業(yè)年均增長率為13.83%，第三產(chǎn)業(yè)年均增長率為16.85%，假設(shè)以后幾年的GDP和三次產(chǎn)業(yè)呈此種增長趨勢。

隨著經(jīng)濟的發(fā)展，人民生活水平的提高，消費品零售總額從2003年到2016年年均增長率為16.98%，城鎮(zhèn)居民人均可支配收入年均增長率為11.16%，居民消費水平年均增長率為14.94%，同樣假設(shè)以后幾年的消費品零售總額、城鎮(zhèn)居民人均可支配收入和居民消費呈此種增長趨勢。

按照以上設(shè)定的增長速度，2017年到2022年海南省的經(jīng)濟指標(biāo)見表2。

表2 海南省2017-2022年預(yù)測經(jīng)濟指標(biāo)數(shù)據(jù)

由于在對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練時，過大或者過小的數(shù)值都不利于神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，為了保證所提供的樣本數(shù)據(jù)為同一個數(shù)量級，需要對所選取的初始數(shù)據(jù)進行一定的預(yù)處理，利用歸一化公式：

對數(shù)據(jù)進行預(yù)處理，使數(shù)據(jù)歸一到[0.15,0.85]之間。本文利用MATLAB實現(xiàn)歸一化過程，歸一化后的數(shù)據(jù)見表3。

表3 歸一化后的樣本數(shù)據(jù)

3.3 網(wǎng)絡(luò)訓(xùn)練

實踐已經(jīng)證明，具有一個隱含層的BP網(wǎng)絡(luò)結(jié)構(gòu)足以模擬任意輸出與輸入之間復(fù)雜的非線性映射關(guān)系，而且網(wǎng)絡(luò)學(xué)習(xí)收斂快[5]。因此，本文海南省BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型采用三層的網(wǎng)絡(luò)結(jié)構(gòu)。

前面所述輸入層、輸出層神經(jīng)元的個數(shù)已經(jīng)由所求的問題本身確定，而確定中間層神經(jīng)元的個數(shù)比較困難，迄今為止還沒有找到一個合適的函數(shù)解析式，基本上是根據(jù)前人所得的經(jīng)驗和自己的試驗來確定的。由于隱含層神經(jīng)元數(shù)還與所求解問題的要求、輸入與輸出單元數(shù)存在著直接關(guān)系，故本文在綜合各方面因素的基礎(chǔ)上先通過前人所總結(jié)的經(jīng)驗公式來初步確定神經(jīng)元個數(shù)，然后再對不同神經(jīng)元數(shù)下的網(wǎng)絡(luò)訓(xùn)練結(jié)果進行對比，最終根據(jù)訓(xùn)練結(jié)果選擇合適的神經(jīng)元數(shù)。根據(jù)Kolmogorov定理[6]，當(dāng)輸入層的神經(jīng)元為7個時，可將網(wǎng)絡(luò)中間層的神經(jīng)元初步確定為15個，之后，再分別取10和20，將它們的訓(xùn)練結(jié)果進行比較，結(jié)果顯示網(wǎng)絡(luò)中間層的神經(jīng)元為15時最佳，訓(xùn)練結(jié)果如圖1所示。

圖1 BP網(wǎng)絡(luò)訓(xùn)練結(jié)果（隱單元數(shù)：15）

從圖1所示的訓(xùn)練結(jié)果中可以看出，將BP網(wǎng)絡(luò)的訓(xùn)練誤差設(shè)定在0.000 1時，網(wǎng)絡(luò)在訓(xùn)練了19 190次時達到了設(shè)定的目標(biāo)，誤差為9.998 61 e-005，訓(xùn)練效果比較令人滿意，符合研究需要。結(jié)合以上分析，海南省的物流需求預(yù)測BP網(wǎng)絡(luò)模型結(jié)構(gòu)如圖2所示。

3.4 誤差分析

將BP神經(jīng)網(wǎng)絡(luò)模型的測試樣本（2003-2016年）的預(yù)測值與貨運量和貨運周轉(zhuǎn)量的實際值進行誤差比較，結(jié)果如圖3所示。

由圖3可以看出，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差基本上可以控制在很小的范圍內(nèi)，有很強的預(yù)測能力，能夠達到理想的效果，故可以用以上訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測海南省2017-2022年的物流需求。

3.5 預(yù)測結(jié)果

根據(jù)以上所建立的BP神經(jīng)網(wǎng)絡(luò)模型，對海南省2017-2022年的物流需求規(guī)模進行預(yù)測，輸入值為表2中2017-2022年歸一化后的各經(jīng)濟指標(biāo)數(shù)據(jù)，見表4。

圖2 海南省物流需求預(yù)測BP網(wǎng)絡(luò)結(jié)構(gòu)模型

圖3 貨運量、貨運周轉(zhuǎn)量的預(yù)測誤差曲線

表4 海南省2017-2022年預(yù)測經(jīng)濟指標(biāo)歸一化數(shù)據(jù)

將輸入值（2017-2022年各經(jīng)濟指標(biāo)）輸入以上訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)得到輸出值即2017-2022年物流需求預(yù)測結(jié)果，預(yù)測結(jié)果呈矩陣顯示為：

對預(yù)測結(jié)果T_forc進行反歸一化，可以得到海南省2017-2022年的物流需求規(guī)模預(yù)測值，結(jié)果見表5。

表5 海南省2017-2022年貨運量、貨運周轉(zhuǎn)量

根據(jù)預(yù)測結(jié)果可以看出，未來幾年海南省物流需求規(guī)模逐年增長，物流業(yè)呈現(xiàn)平穩(wěn)發(fā)展態(tài)勢。通過所建立的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測到的結(jié)果，可以在一定程度上定量反映出海南省物流需求規(guī)模的變化。

4 結(jié)語

物流是社會生產(chǎn)和人民生活的重要組成部分，是推動國民經(jīng)濟發(fā)展和社會進步的重要力量。物流供給能力不足或者是物流供給能力過剩都不利于物流業(yè)的健康發(fā)展，通過對區(qū)域物流需求進行分析與預(yù)測，可以揭示出區(qū)域經(jīng)濟與區(qū)域物流之間的內(nèi)在關(guān)系，并為區(qū)域物流規(guī)劃提供決策數(shù)據(jù)和依據(jù)。本文對海南省2017至2022年的物流需求規(guī)模進行預(yù)測，預(yù)測結(jié)果顯示，海南省的物流需求將會有較快的增長和長足的發(fā)展。但是由于所掌握的數(shù)據(jù)與信息資料有限，海南省未來社會經(jīng)濟發(fā)展也是不確定的，預(yù)測結(jié)果可能與未來實際的物流需求規(guī)模存在一定差異，但通過此模型預(yù)測到的結(jié)果可以在一定程度上定量反映其發(fā)展變化的趨勢。

[1]燕春蓉.電子商務(wù)與物流[M].西安:西安電子科技大學(xué)出版社,2010.

[2]文培娜.基于人工神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測及實證研究[D].北京:北京物資學(xué)院,2010.

[3]徐優(yōu)麗.基于神經(jīng)網(wǎng)絡(luò)的物流需求預(yù)測—以浙江省長興縣為例[J].浙江樹人大學(xué)學(xué)報(人文社會科學(xué)版),2008,(1):56-58.

[4]徐宇.湖南省物流需求影響因素分析[D].長沙:湖南大學(xué),2008.

[5]曾斌,項偉.典型地質(zhì)環(huán)境問題區(qū)域災(zāi)變智能預(yù)測研究:以湖北省恩施地區(qū)為例[M].武漢:中國地質(zhì)大學(xué)出版社,2013.

[6]譚延嗣.BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于地質(zhì)災(zāi)害預(yù)測的研究[J].江西建材,2017,(24).