人工神經(jīng)網(wǎng)絡(luò)模型的江西省物流需求預(yù)測

張誠，馮亞萍

（華東交通大學(xué)經(jīng)濟管理學(xué)院，江西南昌330013）

人工神經(jīng)網(wǎng)絡(luò)模型的江西省物流需求預(yù)測

張誠，馮亞萍

（華東交通大學(xué)經(jīng)濟管理學(xué)院，江西南昌330013）

區(qū)域物流與區(qū)域經(jīng)濟息息相關(guān)。為了準(zhǔn)確預(yù)測區(qū)域物流需求規(guī)模，運用灰色關(guān)聯(lián)對決定區(qū)域物流需求的經(jīng)濟因素以及他們之間的相關(guān)性進行分析，建立區(qū)域物流需求預(yù)測指標(biāo)體系和BP神經(jīng)網(wǎng)絡(luò)區(qū)域物流預(yù)測模型。通過實證分析，驗證了預(yù)測模型的有效性，并對江西未來5年的物流需求做出了預(yù)測。

區(qū)域物流；區(qū)域經(jīng)濟；人工神經(jīng)網(wǎng)絡(luò)

在中部崛起和江西建設(shè)上升到國家戰(zhàn)略的大背景下，為推進科學(xué)發(fā)展、加快綠色崛起，建設(shè)富裕和秀美江西，加快物流業(yè)的調(diào)整和振興，頒發(fā)了《江西省現(xiàn)代物流業(yè)“十二五”發(fā)展規(guī)劃》。區(qū)域物流是區(qū)域經(jīng)濟的主要構(gòu)成要素，而區(qū)域經(jīng)濟又促進區(qū)域物流的發(fā)展。實現(xiàn)物流資源的優(yōu)化配置，對區(qū)域物流需求預(yù)測具有十分重要的意義。

大量文獻資料顯示，國內(nèi)外學(xué)者對基于灰色關(guān)聯(lián)的物流影響因素，基于人工神經(jīng)網(wǎng)絡(luò)的物流區(qū)域需求等方面進行了研究。李青峻（2009）［1］運用灰色關(guān)聯(lián)法對物流產(chǎn)業(yè)資源和需求兩內(nèi)部可量化的因素指標(biāo)進行分析，得出各影響因素對重慶物流產(chǎn)業(yè)發(fā)展的影響程度大小，并對一些非可量化因素進行了定性分析，得出結(jié)論并給出了相應(yīng)的建議措施。田剛（2010）［2］等，運用灰色關(guān)聯(lián)分析了5種主要運輸方式下的貨運量與江蘇省GDP的關(guān)聯(lián)度，得出靈活的公路運輸和GDP的關(guān)聯(lián)度最大。張佳紅（2012）［3］等，以河北省為例，用港口吞吐量的數(shù)據(jù)與GDP數(shù)據(jù)做灰色關(guān)聯(lián)分析，通過實證得出港口物流對區(qū)域經(jīng)濟飛發(fā)展起促進作用。王晶瓊（2011）［4］首先將貨運量與貨運周轉(zhuǎn)量與地區(qū)生產(chǎn)總值進行相關(guān)性分析，得出貨運量與經(jīng)濟的關(guān)聯(lián)性更大，然后深入分析各經(jīng)濟影響因素與貨運量的關(guān)系，根據(jù)各指標(biāo)的影響程度提出建議對策。宿夢思（2009）［5］等，將影響區(qū)域物流的因素分為經(jīng)濟影響因素（主要包括區(qū)域經(jīng)濟規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)差異和區(qū)域經(jīng)濟空間布局）和非經(jīng)濟影響因素（主要有經(jīng)濟政策、技術(shù)進步、物流服務(wù)水平和突發(fā)因素），并用BP神經(jīng)網(wǎng)絡(luò)對后一年的物流需求量做預(yù)測。何霞（2009）［6］指出BP神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單，可操作性強，能模擬任意的非線性輸入輸出關(guān)系，彌補灰色預(yù)測不適合逼近復(fù)雜的非線性函數(shù)的缺點。故將兩者結(jié)合，對區(qū)域物流需求量進行預(yù)測。金橋（2008）［7］港口物流需求與腹地區(qū)域經(jīng)濟發(fā)展相輔相成，并采用非線性映射功能較好的神經(jīng)網(wǎng)絡(luò)預(yù)測工具進一步揭示了二者之間的緊密聯(lián)系，并取得了很好的預(yù)測效果。陳治亞（2008）［8］等，揭示了物流需求與經(jīng)濟的關(guān)系，建立了物流需求規(guī)模預(yù)測指標(biāo)體系，在BP人工神經(jīng)網(wǎng)絡(luò)中引入適應(yīng)度函數(shù)對物流需求規(guī)模進行預(yù)測。以上研究對我國的物流需求研究具有重要的借鑒和參考價值，為以后的研究提供了廣泛的視角，但其所使用的預(yù)測方法并沒有針對物流需求預(yù)測的特點進行可行性分析，對其影響因素、貨運量和周轉(zhuǎn)量的分析上大多使用定性化的論述，缺乏數(shù)量化的有力證據(jù)。以江西省近16年的經(jīng)濟指標(biāo)與物流需求指標(biāo)數(shù)據(jù)進行相關(guān)性分析，在論證該需求預(yù)測的理論和實踐操作的可行性基礎(chǔ)上構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型。選取近兩年的數(shù)據(jù)作為網(wǎng)絡(luò)測試樣本，檢驗該模型的準(zhǔn)確性，用學(xué)習(xí)好的網(wǎng)絡(luò)樣本對江西省未來5年的物流需求做預(yù)測。

2 模型方法介紹

2.1 灰色關(guān)聯(lián)分析方法簡介

灰色關(guān)聯(lián)分析方法是衡量因素之間發(fā)展趨勢的相似或相異程度的一種方法。若兩因素變化的趨勢具有一致性，即同步變化程度高，兩者關(guān)聯(lián)程度高，反之，則較低。

進行灰色關(guān)聯(lián)分析的步驟如下：

1）確定反應(yīng)系統(tǒng)行為特征的參考數(shù)列Yi=（Yi（1），Yi（2），…Yi（k））和影響系統(tǒng)行為的比較數(shù)列Xi=（Xi（1），Xi（2），…Xi（k）），其中，i=1，2，3…n為因素序號。

2）為了便于計算和比較分析，將原始序列進行無量鋼化處理以消除數(shù)量級大小不同的影響，一般采用初值化或均值化加以處理。使用初值化，即

5）求關(guān)聯(lián)度。因為關(guān)聯(lián)系數(shù)是比較數(shù)列與參考數(shù)列在各個時刻（即曲線中的各點）的關(guān)聯(lián)程度值，所以它的數(shù)不止一個，而信息過于分散不便于進行整體性比較。因此有必要將各個時刻（即曲線中的各點）的關(guān)聯(lián)系數(shù)集中為一個值，即求其平均值，作為比較數(shù)列與參考數(shù)列間關(guān)聯(lián)程度的數(shù)量表示，公式為

2.2 BP網(wǎng)絡(luò)預(yù)測模型

BP網(wǎng)絡(luò)采用“誤差逆?zhèn)鞑ニ惴ā保ㄟ^正向輸入，反向傳播誤差不斷迭代的學(xué)習(xí)過程，直到誤差減小到可接收的程度。一般的，包括輸入層、隱含層和輸出層的單隱層網(wǎng)絡(luò)就能以任意精度表示并揭示任何連續(xù)函數(shù)所蘊含的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 The BP neural network structure

2.2.1 隱含層數(shù)目的確定

隱含層神經(jīng)元數(shù)目的確定是一個十分復(fù)雜的問題，通用的經(jīng)驗公式有

式中：k為樣本數(shù)；n1為隱單元數(shù)；n為輸入單元數(shù)。

式中：m為輸入神經(jīng)元數(shù)；n為輸入單元數(shù)；a∈［1，10］。

式中：n為輸入單元數(shù)。

Kolmogorov定理：n1=2n+1，n為輸入單元數(shù)

2.2.2 傳遞函數(shù)及訓(xùn)練算法的選擇

神經(jīng)網(wǎng)絡(luò)工具箱提供了3種傳遞函數(shù)，線性函數(shù)和非線性函數(shù)S函數(shù)或S型曲線（Log-sigmoid函數(shù)和Tan-sigmoid函數(shù)）。實踐證明，中間層神經(jīng)元傳遞函數(shù)選用S型正切函數(shù)，輸出層神經(jīng)元傳遞函數(shù)選用S型對數(shù)函數(shù)具有比較好的擬合效果。同時，工具箱中還包含了4種訓(xùn)練函數(shù)，分別是梯度下降的BP算法、梯度下降動量BP算法、梯度下降的動量及自適應(yīng)算法和Levenberg-Marquardt算法，選擇哪種訓(xùn)練函數(shù)則要根據(jù)處理問題的不同而議。

2.2.3 數(shù)據(jù)的預(yù)處理和后處理

為保證數(shù)據(jù)同一量綱，需要將數(shù)據(jù)歸一化為區(qū)域［0，1］之間的數(shù)據(jù)。而對于S型曲線來說，在接近0或1的時候訓(xùn)練效果會明顯下降，因此，為了避免數(shù)據(jù)落入飽和區(qū)域，保持數(shù)據(jù)的原有特征，根據(jù)經(jīng)驗，將數(shù)據(jù)規(guī)范到［0.15，0.85］來進行修正。故可通過來處理輸入數(shù)據(jù)。同理，采用反歸一化處理輸出數(shù)據(jù)。

3 實證分析

3.1 預(yù)測指標(biāo)的建立

對江西省物流需求進行預(yù)測，考慮到統(tǒng)計數(shù)據(jù)的可獲得性以及指標(biāo)間的相關(guān)性，選取貨運量Y1（萬噸）或貨運周轉(zhuǎn)量Y2（億噸·公里）作為物流需求規(guī)模衡量指標(biāo)。本著可操作的原則，選取用物流規(guī)模預(yù)測的經(jīng)濟指標(biāo)為：代表經(jīng)濟規(guī)模對區(qū)域物流需求規(guī)模影響的地區(qū)生產(chǎn)總值X1（億元），代表區(qū)域經(jīng)濟結(jié)構(gòu)對物流需求規(guī)模影響的第一產(chǎn)業(yè)產(chǎn)值X2（億元）、第二產(chǎn)業(yè)產(chǎn)值X3（億元）、第三產(chǎn)業(yè)產(chǎn)值X4（億元）以及區(qū)域物流的重要組成部分區(qū)域零售總額X5（億元）、區(qū)域外貿(mào)總額X6（億元）、居民消費水平X7（億元）。

3.2 數(shù)據(jù)來源

本文選取的數(shù)據(jù)資料來源于江西省歷年的統(tǒng)計年鑒，如表1所示。根據(jù)樣本數(shù)據(jù)選取原則，將1996至2009年的數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練樣本，將2010和2011年的數(shù)據(jù)作為網(wǎng)絡(luò)測試樣本，最后用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測2012到2017年的物流需求規(guī)模。

表1 江西省歷年貨運量、貨運周轉(zhuǎn)量與經(jīng)濟指標(biāo)數(shù)據(jù)Tab.1 Freight，freight turnover data and economic indicators over the years in Jiangxi

由于BP網(wǎng)絡(luò)預(yù)測方法在進行下一年度的預(yù)測時需知道下一年各影響指標(biāo)的值。按照各影響因素從1996年到2011年的年均增長率來設(shè)定未來5年的經(jīng)濟指標(biāo)數(shù)據(jù)，如表2所示。

表2 江西省2012至2016年預(yù)測經(jīng)濟指標(biāo)數(shù)據(jù)Tab.2 Economic indicator prediction from 2012 to 2016 in Jiangxi億元

3.3 指標(biāo)體系的相關(guān)性分析

選取X1、X2、X3、X4、X5、X6、X7作為江西省物流需求預(yù)測BP網(wǎng)絡(luò)模型的輸入，Y1、Y2為BP網(wǎng)絡(luò)模型的輸出。根據(jù)經(jīng)驗公式，其中，m為輸入神經(jīng)元數(shù)，n為輸入單元數(shù)，a∈［1，10］，將各可能的隱含層神經(jīng)元個數(shù)代入matlab訓(xùn)練，根據(jù)結(jié)果對比，當(dāng)隱含層神經(jīng)元個數(shù)為9時，網(wǎng)絡(luò)收斂速度最快，預(yù)測精度高，因此，將中間層神經(jīng)元個數(shù)確定為9個。

通過1996至2011年的數(shù)據(jù)來計算關(guān)聯(lián)度，可得

以貨運周轉(zhuǎn)量Y2為系統(tǒng)特征值，計算與Xi之間的灰色關(guān)聯(lián)度。

由以上關(guān)聯(lián)系數(shù)結(jié)果可知，Y1、Y2與Xi之間的關(guān)聯(lián)系數(shù)都大于0.8，說明他們之間都具有強關(guān)聯(lián)性，故選取Xi（i=1，2，…7）為網(wǎng)絡(luò)的輸入，Y1、Y2為網(wǎng)絡(luò)的輸出是非?？尚械?。江西省的貨運量與經(jīng)濟的關(guān)聯(lián)性強弱排名為ry12＞ry17＞ry15＞ry11＞ry14＞ry13＞ry16，同時，江西省周轉(zhuǎn)量與經(jīng)濟的關(guān)聯(lián)性強弱排名為ry22＞ry27＞ry25＞ry24＞ry21＞ry23＞ry26，各不同影響因素對江西省貨運量與周轉(zhuǎn)量的關(guān)聯(lián)性影響一致。

第一產(chǎn)業(yè)產(chǎn)值排名第一，說明江西省是個農(nóng)業(yè)大省，全省農(nóng)村人口3 200萬人，約占總?cè)丝诘?7%，并正在向著農(nóng)業(yè)強省跨越。江西省全面落實農(nóng)機具購置補貼政策，穩(wěn)步推進經(jīng)濟作物和養(yǎng)殖業(yè)的機械化，改革創(chuàng)新以市場經(jīng)濟的理念構(gòu)建現(xiàn)代農(nóng)業(yè)發(fā)展新機制，培育和發(fā)展農(nóng)業(yè)社會化服務(wù)體系。隨著社會的發(fā)展，江西省的經(jīng)濟結(jié)構(gòu)在繼續(xù)發(fā)揚農(nóng)業(yè)絕地領(lǐng)先優(yōu)勢的同時逐漸由第一產(chǎn)業(yè)向第二產(chǎn)業(yè)、第三產(chǎn)業(yè)位移調(diào)整。居民消費水平指標(biāo)排名第二，區(qū)域零售總額排名第三，說明江西省物流服務(wù)在消費和流通領(lǐng)域的社會化程度比較高，居民的社會消費品零售總額增長，消費能力增強。電子商務(wù)的發(fā)展，網(wǎng)絡(luò)平臺的構(gòu)建，消費渠道的增多以及人民持續(xù)消費觀念意識的強化都極大的促進了居民消費水平的增長。而居民消費的增長會刺激拉動物流需求的增加，帶動整個物流業(yè)的發(fā)展。地區(qū)生產(chǎn)總值排名第四，而作為地區(qū)生產(chǎn)總值一部分的第一產(chǎn)業(yè)產(chǎn)占地區(qū)生產(chǎn)總值的絕大部分，第一產(chǎn)業(yè)的影響力遠大于第二、三產(chǎn)業(yè)，說明江西經(jīng)濟發(fā)展方式單一化，發(fā)展水平還比較落后。第三產(chǎn)業(yè)排名第五，服務(wù)業(yè)等第三產(chǎn)業(yè)的發(fā)展促進了城市化硬件設(shè)施的完善，物流、商流、資金流、信息流的發(fā)展以及人民生活水平的提高。我們要充分挖掘江西省第三產(chǎn)業(yè)的巨大潛力，協(xié)調(diào)各服務(wù)行業(yè)的健康發(fā)展，有重點的發(fā)展江西特色旅游服務(wù)業(yè)。第二產(chǎn)業(yè)排名第六，說明我省第二產(chǎn)業(yè)的發(fā)展還有巨大的上升空間。第二產(chǎn)業(yè)的發(fā)展將是城市化進程加速的主動力，支柱產(chǎn)業(yè)和主導(dǎo)產(chǎn)業(yè)的形成能帶來穩(wěn)定的物流需求。排在最后一位的是區(qū)域外貿(mào)總額，說明外貿(mào)對江西物流需求的影響很少，從深層次揭示了江西省的出口外貿(mào)水平還比較低。江西省應(yīng)充分利用沿江通海的區(qū)位優(yōu)勢和低成本優(yōu)勢，大力發(fā)展有區(qū)域特色和競爭優(yōu)勢的產(chǎn)品出口，將外貿(mào)增長方式由粗放型向集約型轉(zhuǎn)變，招商引資，加大吸引外資的力度，大力發(fā)展國際服務(wù)業(yè)務(wù)。

3.4 網(wǎng)絡(luò)訓(xùn)練與預(yù)測

以traindm作為訓(xùn)練函數(shù)，在訓(xùn)練次數(shù)為15 000次，目標(biāo)誤差為0.000 01的情況下，經(jīng)過14 994次訓(xùn)練后，網(wǎng)絡(luò)達到目標(biāo)要求，預(yù)測誤差曲線如圖1所示。

圖1 所有樣本的訓(xùn)練誤差曲線Fig.1 Training error curve of all samples

表3 BP網(wǎng)絡(luò)檢驗樣本預(yù)測值與實際值比較Tab.3 Comparison between the actual and estimated value of BP network test samples

由圖1可以得出結(jié)論，該網(wǎng)絡(luò)能夠很快收斂，并且很好的擬合了輸入因素與輸出因素的線性關(guān)系。表3的結(jié)果顯示，檢驗樣本的預(yù)測值與實際值之間的平均絕對誤差為0.311 3%?？芍?，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)誤差基本上在很小的范圍內(nèi)，將2010年和2011年貨運量與周轉(zhuǎn)量的預(yù)測值和實際值進行檢驗，預(yù)測精度較高，達到滿意的效果。故可用上面訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)來預(yù)測2012—2016年的貨運量和周轉(zhuǎn)量。

全部數(shù)據(jù)輸入網(wǎng)絡(luò)的訓(xùn)練結(jié)果如圖2所示，預(yù)測誤差曲線如圖3所示。

圖2 所有樣本的訓(xùn)練誤差曲線Fig.2 Training error curve of all samples

由圖2可知，在訓(xùn)練次數(shù)為1 500次，目標(biāo)誤差為0.000 01的情況下，經(jīng)過11 798次訓(xùn)練后能達到滿意的效果。由圖3可知，預(yù)測值與實際值大體接近，最大誤差小于2%，預(yù)測能力很強。

預(yù)測的結(jié)果為

圖3 貨運量、貨運周轉(zhuǎn)量的預(yù)測誤差曲線Fig.3 Forecast error curve of freight and freight turnover

對預(yù)測結(jié)果數(shù)據(jù)進行反歸一化，得到輸出結(jié)果

圖4 貨運量、貨運周轉(zhuǎn)量的變化趨勢Fig.4 Change trend of freight，freight turnover

通過上面對江西省貨運量以及貨運周轉(zhuǎn)量的預(yù)測結(jié)果分析可知，江西省物流需求在未來5年內(nèi)將有較快的增長，表現(xiàn)為貨運量將從2012年的63 312.48億噸增長到2016年的66 735.86億噸，增長5.41%，貨運周轉(zhuǎn)量也將從2012年的1 445.36億噸。公里上升到2016年的1 656.33億噸。公里，增長14.60%。

3 結(jié)論和建議

從江西省的經(jīng)濟發(fā)展和物流需求現(xiàn)狀出發(fā)，通過灰色關(guān)聯(lián)分析，得出區(qū)域經(jīng)濟發(fā)展與區(qū)域物流之間具有內(nèi)在的邏輯性和強關(guān)聯(lián)系。這就決定了我們可以用區(qū)域經(jīng)濟的發(fā)展?fàn)顩r來預(yù)測區(qū)域物流的需求。通過對江西省2012年至2016年的物流需求規(guī)模和結(jié)構(gòu)進行預(yù)測，結(jié)果顯示，江西省的物流需求將會有較快的增長和長足的發(fā)展，逐漸向現(xiàn)代大物流邁進。江西省物流需求與經(jīng)濟的發(fā)展是息息相關(guān)的，經(jīng)濟的飛速發(fā)展勢必會為物流需求的增長推波助瀾，而區(qū)域物流能力的增強也會對江西經(jīng)濟的發(fā)展起促進作用。因此，政府在面對江西省未來巨大的物流需求及發(fā)展的形勢下，抓住“十二五”這一關(guān)鍵時機，緊跟經(jīng)濟發(fā)展動態(tài)，科學(xué)的制定物流發(fā)展規(guī)劃和政策，保持區(qū)域物流的供需平衡，實現(xiàn)資源的優(yōu)化配置和經(jīng)濟效益的最大化，推動物流業(yè)的健康快速發(fā)展。

第一，增加地區(qū)外貿(mào)總額，大力發(fā)展對外經(jīng)濟。江西應(yīng)在中部崛起戰(zhàn)略的契機下，倚靠作為長三角縱深腹地，沿江通海，承接沿海地區(qū)資本外溢、產(chǎn)業(yè)轉(zhuǎn)移的地域優(yōu)勢，轉(zhuǎn)變觀念積極發(fā)展對外貿(mào)易。依托現(xiàn)有的交通運輸設(shè)施，構(gòu)建多式聯(lián)運與轉(zhuǎn)運設(shè)施工程。構(gòu)建一個以南昌為中心的高效便捷、功能完備、貨暢其流、集散有序、布局合理的現(xiàn)代物流網(wǎng)絡(luò)，著力將南昌培育成為一個具有重要影響力的國際物流樞紐。

第二，完善物流基礎(chǔ)設(shè)施建設(shè)，提高物流的信息化水平，構(gòu)建現(xiàn)代物流信息系統(tǒng)平臺以迎合未來物流貨運量和周轉(zhuǎn)量的大幅度增長。隨著江西省第二、三產(chǎn)業(yè)比重的加大和快速增長，對物流需求具有高附加值的發(fā)展趨勢。鼓勵自主創(chuàng)新，加強物流新技術(shù)的開發(fā)與應(yīng)用，提高物流運作效率。加大物流人才的培養(yǎng)，讓更多民營企業(yè)進入物流市場，加快第三方物流企業(yè)的發(fā)展成了大勢所趨。

第三，在繼續(xù)保持農(nóng)業(yè)優(yōu)勢的前提下，積極促進二、三產(chǎn)業(yè)對物流的帶動效應(yīng)。促進物流業(yè)與其他產(chǎn)業(yè)的聯(lián)動發(fā)展，提升相關(guān)產(chǎn)業(yè)價值，促進地區(qū)零售額的增長，推進各大產(chǎn)業(yè)體系平穩(wěn)前行。加強網(wǎng)絡(luò)和節(jié)點的科學(xué)合理布局，為客戶提供一站式服務(wù)，利用信息化管理手段，提高物流裝備的專業(yè)化和現(xiàn)代化。運用供應(yīng)鏈運作模式，引導(dǎo)企業(yè)對工作、物流、信息和資金等進行流程改造，實現(xiàn)物流產(chǎn)業(yè)與其他產(chǎn)業(yè)的共同發(fā)展。發(fā)揮科技支撐作用，促進經(jīng)濟的健康快速發(fā)展。

[1]李青峻.基于灰色關(guān)聯(lián)分析的重慶市物流產(chǎn)業(yè)影響因素研究[D].重慶:重慶工商大學(xué),2011.

[2]田剛,李南.江蘇省物流貨運量灰色預(yù)測及灰色關(guān)聯(lián)研究[J].價格月刊,2010(4):83-85.

[3]張佳紅,李亮亮.港口物流與區(qū)域經(jīng)濟灰色關(guān)聯(lián)度——以河北省為例[J].物流科技.2012(7):6-10.

[4]王晶瓊,張鳳濟,劉俐.基于灰色關(guān)聯(lián)模型的蘇北物流經(jīng)濟影響因素分析[J].物流工程與管理.2011(5):51-53.

[5]宿夢思,張志清.基于BP神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的區(qū)域物流需求預(yù)測[J].物流工程與管理.2009(10):21-22.

[6]何霞.基于灰色系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的省級區(qū)域物流需求預(yù)測[D].長沙:長沙理工大學(xué).2009.

[7]金橋.基于人工神經(jīng)網(wǎng)絡(luò)算法的港口物流需求預(yù)測研究及實證分析[D].北京:北京交通大學(xué).2008.

[8]陳治亞,周艾飛,譚欽之,方曉平.基于改進的BP人工神經(jīng)網(wǎng)絡(luò)的物流需求規(guī)模預(yù)測.鐵道科學(xué)與工程學(xué)報,2008(6):62-68.

[9]高曉月,封學(xué)軍,蔣柳鵬.南京港集裝箱生成量預(yù)測與發(fā)展措施建議[J].華東交通大學(xué)學(xué)報,2013,30(1):91-95.

Logistic Demand Forecasting in Jiangxi Province Based on Grey Correlation

Zhang Cheng,Feng Yaping
(School of Economics and Management,East China Jiaotong University,Nanchang 330013,China)

Regional logistics and regional economies are closely connected.In order to accurately predict the de?mand size of the regional logistics,this paper uses grey correlation to analyze economic factors thatmay determine the regional logistic demand.It establishes regional logistic demand forecasting index system and BP neural net?work of regional logistic forecastingmodel.The empirical analysis verifies the validity of the predictionmodel,and provides a prediction of logistic needs in Jiangxi for the following five years.

regional logistics;regional economy;artificial neural network

F259

A

2013-11-03

江西省軟科學(xué)研究計劃項目（20122BBA10104）；科技部國家軟科學(xué)研究計劃項目（2010GXS5D224）

張誠（1962—），教授，博士，研究方向為物流管理。

1005-0523（2014）04-0026-07