大數據時代陜西區(qū)域物流需求量的預測研究

夏彩云

（西安鐵路職業(yè)技術學院，西安 710064）

引言

隨著“互聯網+”的興起，西部物流業(yè)的發(fā)展呈現出前所未有的高速增長態(tài)勢，陜西省作為西部大開發(fā)的龍頭，近幾年物流基礎設施建設發(fā)展迅速，加上國際港務區(qū)的高效運營，商業(yè)配送、多式聯運、社會化儲運服務等多種形式的物流服務模式集聚出現，各種專業(yè)物流企業(yè)群應運而生，物流產業(yè)成為陜西區(qū)域經濟發(fā)展的重要經濟增長點。而對區(qū)域物流的需求能否實現合理的預測是決定能否有效實現資源配置、提升物流效率的關鍵。物流需求的預測基礎在于大數據時代下數據分析的信息技術，充分發(fā)揮大數據給物流企業(yè)帶來的發(fā)展優(yōu)勢。鑒于此，本文提出一種有效的預測方法對陜西區(qū)域物流需求量進行合理預測，為經濟發(fā)展決策提供重要的參考。

一、物流需求量預測的思路

區(qū)域物流需求是由當地經濟發(fā)展派生而來，區(qū)域經濟的發(fā)展水平是產生區(qū)域物流需求的內在決定性因素[1]。從經濟發(fā)展的角度，尋求利用區(qū)域經濟指標，來預測物流需求具有較強的可行性。因此，根據經濟發(fā)展和物流發(fā)展的相關關系，可以選擇和建立影響物流需求的經濟指標體系。由于經濟發(fā)展與物流需求之間的轉換關系不是一一對應，而是錯綜復雜，本質上可以理解為是一種多元非線性關系，利用簡單的函數模型和傳統的預測方法進行二者之間的轉換非常難以實現。加上物流需求的發(fā)展具有跳躍性，物流需求支撐的歷史數據短缺，因此預測方法的選擇直接決定了物流需求量預測的準確性，也直接影響決策的正確性。BP神經網絡是1943年創(chuàng)立的，是具有動物神經網絡功能特性的數學模型，可以進行信息處理，并具有自學習和自適應性，主要通過調節(jié)系統內部節(jié)點之間復雜的連接關系，實現處理信息的目的。同時，該模型具有良好的曲線擬合能力、抗干擾和學習能力，因此選用BP進行預測是一種有效的方法。

BP神經網絡算法是根據實際輸出值與期望輸出值之間的誤差，對網絡進行由后向前逐步修正的一種誤差逆?zhèn)鞑ニ惴?。BP神經網絡結構包含輸入層、一個或多個隱含層和輸出層，其傳播活動包含正向的信息傳播，即輸入層神經元將接收到的外界信息傳遞到中間層神經元，中間層神經元進行信息的處理與變換，通過隱含層將信息傳遞到輸出層，完成正向信息傳播處理過程，外界得到信息處理結果。另一個活動過程是逆向的誤差傳播，即當網絡系統的實際輸出與期望輸出存在較大誤差時，進入反向傳播階段，誤差通過輸出層，按誤差梯度下降的方式修正各層權值，向隱含層、輸入層逐層反向傳遞，以此反復循環(huán)不斷修正各層權值，最終實現可接受的誤差[2]。

二、基于BP網絡的區(qū)域物流需求預測模型構建

1.指標的分析與選取。影響區(qū)域物流需求的因素多而泛，但經濟發(fā)展是物流需求產生的直接原因，因此，本文主要通過經濟指標來對物流需求做出預測。結合陜西省的經濟發(fā)展情況，經濟指標與物流需求之間的關系為：（1）區(qū)域經濟發(fā)展規(guī)模對物流需求有著明顯的影響。當經濟發(fā)展水平較高時，物流需求水平也相對較高，當經濟發(fā)展水平較低時，物流需求水平也較低。（2）產業(yè)結構對物流需求的影響較大。研究表明，隨著產業(yè)結構從第一產業(yè)向第三產業(yè)轉變，物流需求開始向專業(yè)化、綜合化的需求方向轉變，對運輸、倉儲、包裝、流通加工等物流服務需求也大大增加。（3）區(qū)域經濟的發(fā)展離不開對固定資產的投入，而加大對陜西省固定資產的投資力度，必定會增加對交通基礎設施等的投資，從而推動物流產業(yè)的快速發(fā)展，增加對物流的需求量。（4）城市的對外貿易會對區(qū)域經濟發(fā)展影響重大。對外貿易的增長要求城市加大對交通基礎設施的建設，這樣就會促進商品的快速流通，優(yōu)化資源配置，增加對區(qū)域物流的需求。（5）區(qū)域社會消費品零售總額直接反映了城市圈居民對消費商品的需求規(guī)模，也間接反映了區(qū)域物流需求的規(guī)模。高漲的社會消費品零售總額帶動了各類交通運輸的發(fā)展，反映了城市圈中物質資料配送量的多少，所以社會消費品零售總額也是影響區(qū)域經濟物流需求的因素之一[3]。

通過以上分析，本文選擇以上5個指標作為陜西省區(qū)域物流需求規(guī)模預測的經濟指標。而對于物流需求指標，因為物流環(huán)節(jié)較多、比較分散，因此目前沒有統一的使用定論。但在各個物流運作環(huán)節(jié)中，運輸貫穿物流活動的始終，是物流過程中實現位移的必備環(huán)節(jié)。本著可操作性的原則，因此本文認為貨運量可以近似反映出物流需求的規(guī)模[4]。

2.BP預測模型的構建。本文預測模型采用經典的三層BP結構，即輸入層、一個隱含層及輸出層組成。輸入層的節(jié)點數等于預測物流需求量的經濟變量的數目7，輸出層節(jié)點數為預測的物流需求量的變量個數1，隱含層神經元根據k-means算法確定為5個，建立7-5-1BP神經網絡模型[5]。

三、模型應用及算例分析

本文選取陜西省1999—2016年經濟發(fā)展的基本數據，對該區(qū)域的物流需求做預測。數據來源于《陜西省統計年鑒（2000—2016年）》和2016年陜西省國民經濟和社會發(fā)展統計公報。各變量原始數據（如表1所示）。

表1 陜西省2000—2016年基本經濟數據統計表

結合模型特征，首先進行數據的標準化處理。由于數據存在不同的量綱，為方便計算，對表格中數據利用premnmx函數進行歸一化處理，取值范圍在0—1。模型實現過程中，BP隱含層選取的神經元數目是根據k-means算法確定，以2000—2011年的經濟指標數據作為模型輸入，對應的貨運量作為模型輸出形成訓練樣本，2012—2016年數值作為預測樣本檢驗數據，學習速度設為0.05，1 000輪回顯示一次結果，最大訓練輪回為50 000次，均方誤差MSE等于0.065×10-2。采用梯度下降法進行訓練，迭代521次達到最優(yōu)，訓練結束。其他參數參照MATLAB神經網絡工具箱，從而達到模型實現，訓練結果（如下圖所示）。經過反復的逆向誤差的傳播修正，得出表2的預測樣本數據。

BP網絡模型訓練結果圖

表2 2012—2016年貨運量預測樣本數值與實際值的誤差對比

從運算結果來看，BP神經預測值與實際值大體接近，平均相對誤差為5.86%，最大相對誤差為9.36%，可以定量反映陜西區(qū)域物流需求量的變化趨勢。

結語

實例表明，從訓練、檢測、預測各個流程來看，BP神經網絡作為分析預測的一種工具，為大數據時代物流需求的預測提供了一種有效、精確的方法，在物流規(guī)劃和物流戰(zhàn)略研究中有著重要的意義。從以上預測來看，陜西區(qū)域物流總需求量將呈現良好的增長勢頭，陜西應該把握當前物流發(fā)展的良好勢頭，積極投入物流領域的基礎設施建設，滿足市場對物流發(fā)展的需求，通過物流業(yè)的有序發(fā)展帶動一方經濟的發(fā)展。但由于物流的發(fā)展具有跳躍性，獲取的信息數據相對有限，預測結果可能會與未來的實際結果發(fā)生一定的偏離。因此，物流預測和決策應該是動態(tài)性的。

參考文獻：

[1]耿勇，鞠頌東，陳婭娜.基于BP神經網絡的物流需求分析與預測[J].分析與決策，2007，(7).

[2]鄭培，黎建強.基于BP神經網絡的供應鏈績效評價方法[J].運籌與管理，2010，(4)．

[3]高婷.城市圈物流需求的BP神經網絡預測模型[D].武漢：武漢理工大學，2009.

[4]文培娜.張志勇.基于BP神經網絡的北京物流需求預測及分析[J].物流技術，2009，(6).

[5]周開利，康耀紅.神經網絡模型及其MATLAB仿真程序設計[M].北京：清華大學出版社，2005.