基于BP神經(jīng)網(wǎng)絡(luò)的杭州城市圈物流需求預(yù)測

汪洪帆

摘要：利用BP神經(jīng)網(wǎng)絡(luò)來模擬杭州城市圈的物流需求量與各城市經(jīng)濟(jì)因素的內(nèi)在關(guān)系，以此來進(jìn)行杭州城市圈物流需求量的未來預(yù)測。因此，采用Matlab方法，以杭州市2000～2015年的數(shù)據(jù)為例， 闡述了該方法的現(xiàn)實(shí)意義。

關(guān)鍵詞：杭州城市圈；物流需求量；BP神經(jīng)網(wǎng)絡(luò)；Matlab

中圖分類號：F25文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.16723198.2017.29.022

1引言

近年來， 隨著電子商務(wù)的興起和“互聯(lián)網(wǎng)+”行業(yè)的發(fā)展， 物流已經(jīng)成為全球經(jīng)濟(jì)的脈絡(luò)， 現(xiàn)代物流已成為各國實(shí)現(xiàn)經(jīng)濟(jì)增長的重要著力點(diǎn)。我國也將物流產(chǎn)業(yè)規(guī)劃作為十大產(chǎn)業(yè)振興規(guī)劃之一，物流產(chǎn)業(yè)發(fā)展的重要性可見一斑。杭州作為在互聯(lián)網(wǎng)經(jīng)濟(jì)發(fā)展上的領(lǐng)頭羊城市，每天都創(chuàng)造著巨大的線上交易量，其帶來的不光是巨大的貿(mào)易金額，還有巨大的物流需求量，對物流需求量的預(yù)測和把控，有利于城市物流系統(tǒng)的資源配置，可以有效提高物流效率，使得杭州的物流發(fā)展與經(jīng)濟(jì)發(fā)展相匹配，所以研究杭州城市圈物流需求預(yù)測具有重要的理論和現(xiàn)實(shí)意義。

2BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)為人工神經(jīng)網(wǎng)絡(luò)的一種，應(yīng)用廣泛，是一種多層前饋神經(jīng)網(wǎng)絡(luò)，因在網(wǎng)絡(luò)訓(xùn)練中， 調(diào)整網(wǎng)絡(luò)權(quán)值的訓(xùn)練算法是誤差反向傳播學(xué)習(xí)算法， 即BP（backpropagation）算法而得名。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要層為輸入層和輸出層，其中可以根據(jù)需求的不同增加若干層神經(jīng)元，也稱之為隱含層。上下層之間的連接主要是依靠輸入信號的傳播以及誤差的反向傳播實(shí)現(xiàn)。BP神經(jīng)網(wǎng)絡(luò)是一種自適應(yīng)即采取自我誤差修正的信息處理系統(tǒng)，其在訓(xùn)練過程中進(jìn)行由后向前的逐步修正，修正依據(jù)是實(shí)際輸出值和期望值的差異即誤差。BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練目的是為了建立起輸入值與輸出值之間的非線性映射。BP神經(jīng)網(wǎng)絡(luò)相較于以往方法在處理非線性相關(guān)的問題方面有著明顯的優(yōu)勢， 表現(xiàn)在：網(wǎng)絡(luò)容錯(cuò)能力強(qiáng)、 得出結(jié)果的速度快、避開了因素與目標(biāo)值之間的復(fù)雜關(guān)系描述。

3杭州城市圈的物流需求量預(yù)測

3.1影響城市圈的物流需求量的主要因素

城市因素有多種，而物流需求量與城市經(jīng)濟(jì)發(fā)展?fàn)顩r密不可分，城市的經(jīng)濟(jì)規(guī)模大小、第一、二、三產(chǎn)業(yè)結(jié)構(gòu)和城市現(xiàn)有經(jīng)濟(jì)布局等經(jīng)濟(jì)因素都會(huì)對影響到物流需求量。同時(shí)，中國步入移民時(shí)代，一二線城市的移入人口量是巨大的，但是也有相當(dāng)多的移出人口量，由此產(chǎn)生的居住人口量毫無疑問是物流需求量變化的重要影響因素。另外，一些新興的因素諸如思想觀念等也必須考慮。因此，要分析一個(gè)城市圈的物流需求量的影響因素，要綜合考慮多重因素，才能得出最完善的分析結(jié)果。

3.2預(yù)測模型的基本思路

先假設(shè)物流需求量的影響因素，見表1。

表中xij表示第j年的第i個(gè)指標(biāo)，yj表示第j年的貨運(yùn)量，因?yàn)閰^(qū)域物流需求的影響因素短時(shí)期內(nèi)不會(huì)有大變動(dòng)，所以為了預(yù)測n年的物流需求量，可以以1至n-1年的各指標(biāo)作為樣本輸入p，以2至n年的貨運(yùn)量作為樣本輸出t，本文采用Matlab編程方法進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模擬，BP神經(jīng)網(wǎng)絡(luò)模型在進(jìn)行訓(xùn)練后，使神經(jīng)網(wǎng)絡(luò)具有適用性，當(dāng)有新的樣本輸入該網(wǎng)絡(luò)時(shí)，網(wǎng)絡(luò)就可以進(jìn)行再一次的訓(xùn)練并輸出預(yù)測數(shù)值。

3.3物流需求量預(yù)測模型

（1）歸一化。

由于可選擇的指標(biāo)因素眾多，如果不進(jìn)行選擇處理，即使輸入了神經(jīng)網(wǎng)絡(luò)也無法得到可靠的預(yù)測結(jié)果，所以筆者為了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，選取杭州2000～2015年的指標(biāo)值代替城市圈的指標(biāo)值，筆者在閱讀過眾多相關(guān)文獻(xiàn)后，選擇全社會(huì)貨運(yùn)量作為輸出項(xiàng)指標(biāo)。 其它影響物流需求量的各指標(biāo)則選擇如下表所示，杭州2000 ～ 2015年的有關(guān)數(shù)據(jù)如表2所示。為了保證各指標(biāo)輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練效果，避免部分神經(jīng)元提前達(dá)到過飽和狀態(tài)，對數(shù)據(jù)進(jìn)行歸一化處理。

（2）樣本輸入和樣本輸出處理。

歸一化后，2000～2014 年數(shù)據(jù)作為樣本輸入p， 2001～2015年的貨運(yùn)量作為樣本輸出t， 以此來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)并預(yù)測2016年的全社會(huì)貨物運(yùn)輸量。

4BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練

4.1BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

本文的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為7-10-1。其它訓(xùn)練參數(shù)設(shè)置如下表3。

4.2BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

在按照上文的指示步驟對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練后， 得出了均方誤差的變化曲線界面圖，達(dá)到了設(shè)定的均方誤差MSE所需要的訓(xùn)練周期很大，高達(dá)907個(gè)訓(xùn)練周期， 但是就BP神經(jīng)網(wǎng)絡(luò)的特性而言，這說明神經(jīng)網(wǎng)絡(luò)開始擬合，得出的結(jié)果有一定適用性。

4.3BP網(wǎng)絡(luò)的模擬預(yù)測

輸入值p1采用2015年歸一化后的各指標(biāo)值來進(jìn)行模擬， 將p1導(dǎo)入訓(xùn)練好的BP網(wǎng)絡(luò)， 經(jīng)過運(yùn)算即可得到2016年的貨物運(yùn)輸量預(yù)測值t1 ，t1=[0.9092]，反歸一化后，得出2016年的貨運(yùn)量為29073.86，與2015年相比較略有下降。

5結(jié)論

介紹了利用BP神經(jīng)網(wǎng)絡(luò)來預(yù)測杭州未來物流需求量的方法。筆者以杭州市2000 ～ 2015年的數(shù)據(jù)為例建立BP神經(jīng)網(wǎng)絡(luò)， 旨在通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)， 從而可以對物流需求進(jìn)行預(yù)測，并取得了預(yù)測結(jié)果。樣本越多，訓(xùn)練周期越多，擬合效果越好，神經(jīng)網(wǎng)絡(luò)對未來的適用性就越好。隨著訓(xùn)練樣本的積累，杭州城市圈可以對未來物流需求量進(jìn)行精準(zhǔn)預(yù)測。杭州在全國經(jīng)濟(jì)環(huán)境中，最突出的特點(diǎn)就是互聯(lián)網(wǎng)經(jīng)濟(jì)發(fā)達(dá)，電子商務(wù)興旺，所以在預(yù)測物流需求量的指標(biāo)中考慮電子商務(wù)相關(guān)的指標(biāo)是必要的，但是目前還沒有統(tǒng)一對于衡量電子商務(wù)方面成果的物流指標(biāo)，必須要對未來會(huì)出現(xiàn)哪些新指標(biāo)進(jìn)行關(guān)注，新的指標(biāo)會(huì)帶來更精準(zhǔn)的預(yù)測結(jié)果。同時(shí)， 樣本數(shù)據(jù)應(yīng)進(jìn)行橫向和縱向的全面收集， 才能反映出眾多因素指標(biāo)與物流需求量之間的關(guān)系。BP神經(jīng)網(wǎng)絡(luò)擬合的越好，用BP網(wǎng)絡(luò)進(jìn)行的預(yù)測也就越有實(shí)用性意義， 預(yù)測得到的結(jié)果也就更具有現(xiàn)實(shí)參考價(jià)值。

參考文獻(xiàn)

[1]李赤林，胡小輝. 基于BP神經(jīng)網(wǎng)絡(luò)的武漢城市圈物流需求預(yù)測[J]. 武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版），2009，（05）：773776.

[2]秦文肖，劉瑞雪. 基于BP神經(jīng)網(wǎng)絡(luò)的長樂市物流需求與預(yù)測分析[J]. 物流工程與管理，2016，（09）：2426.

[3]王東蛟. 廣西區(qū)域物流需求預(yù)測研究[D].南寧：廣西科技大學(xué)，2015.

[4]劉夢麗. 基于BP神經(jīng)網(wǎng)絡(luò)的環(huán)渤海經(jīng)濟(jì)區(qū)物流需求預(yù)測研究[J]. 天津職業(yè)技術(shù)師范大學(xué)學(xué)報(bào)，2014，（04）：5457.

[5]陳思遠(yuǎn)，郭奕崇. 基于BP神經(jīng)網(wǎng)絡(luò)的安徽省物流需求預(yù)測研究[J]. 物流技術(shù)，2012，（17）：231233.

[6]胡雄斌，王雄輝. 基于BP神經(jīng)網(wǎng)絡(luò)的武漢市物流需求模型預(yù)測及發(fā)展戰(zhàn)略研究[J]. 物流技術(shù)，2010，（15）：7073.

[7]文培娜，張志勇，羅斌. 基于BP神經(jīng)網(wǎng)絡(luò)的北京物流需求預(yù)測及分析[J]. 物流技術(shù)，2009，（06）：9193.endprint