基于GA-SVM的三峽大壩過壩貨運量預(yù)測

（武漢理工大學 交通學院，湖北 武漢 430063）

1 引言

貨運量是貨物出行交通量的派生需求，不僅與最終產(chǎn)品的重量或體積相關(guān)，而且與中間產(chǎn)品生產(chǎn)和銷售的組織、運輸方式的選擇以及運輸組織效率等多種因素有關(guān)。而區(qū)域經(jīng)濟發(fā)展水平與最終產(chǎn)品的產(chǎn)品結(jié)構(gòu)、中間產(chǎn)品的生產(chǎn)和銷售組織、運輸組織效率等因素有著密切的關(guān)系。因此，區(qū)域經(jīng)濟發(fā)展與域內(nèi)貨運量密切相關(guān)。對于貨運量的準確預(yù)測,不僅有利于中央及各省市交通主管部門對公路客貨市場的發(fā)展趨勢進行宏觀的把握,而且有利于運輸企業(yè)決策者的決策行為[1]。

2 長江流域經(jīng)濟發(fā)展及產(chǎn)業(yè)結(jié)構(gòu)

長江是我國空間開發(fā)最重要的通道之一，貨運量位居全球內(nèi)河第一，被譽為“黃金水道”，在我國總體發(fā)展格局中具有重要戰(zhàn)略地位。長江干線連接我國西南、華中以及華東三大城市群和經(jīng)濟區(qū)，沿岸從上而下依次設(shè)有重慶、武漢、南京和上海等經(jīng)濟中心及航運樞紐，長江干線流域內(nèi)“七省二市”（云南省、四川省、重慶市、湖北省、湖南省、江西省、安徽省、江蘇省和上海市）經(jīng)濟發(fā)展迅速且前景良好，是我國綜合實力最雄厚、生產(chǎn)互動最頻繁的區(qū)域之一。三峽樞紐[2]工程建成后極大地改善了庫區(qū)上游的通航條件，進一步發(fā)揮了水運成本低廉的優(yōu)勢，為長江航運發(fā)展提供了新的契機。隨著國家“長江經(jīng)濟帶”戰(zhàn)略的實施，三峽樞紐的戰(zhàn)略地位將更加突出。在國家戰(zhàn)略和經(jīng)濟發(fā)展的推動下，三峽過壩整體仍呈現(xiàn)增長趨勢。2004-2016年三峽過壩貨運量、長江流域經(jīng)濟發(fā)展相關(guān)歷史數(shù)據(jù)見表1。由表1可以看出，2004年三峽大壩完成貨運量4 308.5萬t，而2016年完成過壩貨運量為12 761.74萬t，同比增長6.1%，相比于2004年增長了196.2%，年均增長率為25.5%。其中上行完成貨運量6 900.19萬t，下行完成貨運量5 861.55萬t，分別占總量的54.1%和45.9%。經(jīng)濟數(shù)據(jù)方面，近15年來區(qū)域各項數(shù)據(jù)均呈現(xiàn)增長趨勢，經(jīng)濟增長速度穩(wěn)定，GDP13年內(nèi)增長約4倍，三大產(chǎn)業(yè)發(fā)展迅速，產(chǎn)業(yè)結(jié)構(gòu)趨于合理。進出口貿(mào)易額總體上呈現(xiàn)穩(wěn)定增長趨勢，人民生活水平持續(xù)提高，居民收入不斷攀升，推動消費市場運行，增幅呈現(xiàn)逐年提高態(tài)勢。長江流域經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展態(tài)勢對三峽樞紐中長期綜合交通規(guī)劃具有重要的指導(dǎo)作用。

表1 2004-2016年長江干線流域基礎(chǔ)數(shù)據(jù)統(tǒng)計

3 三峽過壩貨運量預(yù)測

3.1 基于GA-SVM的模型構(gòu)建

GA-SVM是結(jié)合遺傳算法和統(tǒng)計學習理論的合稱[4]。利用遺傳算法全局最優(yōu)性及其自身潛在并行性的優(yōu)勢對支持向量機進行改進，構(gòu)造出遺傳算法優(yōu)化支持向量機模型。支持向量機的性能很大程度上取決于參數(shù)C和σ，合理地選擇參數(shù)能提高其性能，傳統(tǒng)的參數(shù)選取方式具有一定的缺陷，而利用遺傳算法進行支持向量機參數(shù)的選擇能克服這種缺陷，從而改進支持向量機的性能。其基本思路是：首先對支持向量機模型參數(shù)編碼，然后根據(jù)設(shè)計好的遺傳算法適應(yīng)度函數(shù)進行遺傳操作，完成計算后將最優(yōu)參數(shù)代入第一步支持向量回歸機程序，并建立模型預(yù)測數(shù)據(jù)組，從而達到預(yù)測目的。

3.2 過壩貨運量預(yù)測

為證明指標數(shù)據(jù)的定量分析對預(yù)測具有現(xiàn)實意義，采用經(jīng)遺傳算法改進后的支持向量機模型預(yù)測貨運量。利用構(gòu)建好的gaSVMcgForRegress函數(shù)來實現(xiàn)遺傳算法的參數(shù)尋優(yōu)迭代，函數(shù)接口為：其中支持向量機采用3-e-SVM，核函數(shù)采用RBF函數(shù)，懲罰參數(shù)C的取值范圍為[2-5,25]，RBF核函數(shù)參數(shù)σ的取值范圍為[2-5,25]，遺傳算法的最大進化代數(shù)為200，種群最大數(shù)量取20，交叉概率取0.4，變異概率取0.01。

為了能定量分析選取的指標對于預(yù)測具有現(xiàn)實意義，從相關(guān)性的角度來進行計算。將表1中數(shù)據(jù)導(dǎo)入到SPSS軟件中，對貨運量與其他指標做相關(guān)性分析，得到的結(jié)果見表2。

表2 過壩貨運量與其他指標相關(guān)系數(shù)表

根據(jù)表2所得數(shù)據(jù)來看，所有的相關(guān)性系數(shù)r均大于0.9，表明三峽過壩貨運量與其他經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)指標之間存在顯著相關(guān)性。由于各數(shù)據(jù)指標之間存在巨大差異，在運用模型預(yù)測前，需要對原始數(shù)據(jù)進行歸一化處理，結(jié)果見表3。

根據(jù)不同的預(yù)測目標，表3由9個影響因素和1個預(yù)測目標構(gòu)成。預(yù)測目標：三峽過壩貨運總量（Y0）；預(yù)測的主要影響因素：GDP（X1）、第一產(chǎn)業(yè)產(chǎn)值（X2）、第二產(chǎn)業(yè)產(chǎn)值（X3）、第三產(chǎn)業(yè)產(chǎn)值（X4）、進出口貿(mào)易總額（X5）、城鎮(zhèn)居民人均可支配收入（X6）、農(nóng)村居民家庭人均純收入（X7）、社會消費品零售總額（X8）以及固定資產(chǎn)投資額（X9）。首先前9行數(shù)據(jù)作為libsvm-mat工具箱中訓練函數(shù)svmtrain的輸入向量，而將第10行數(shù)據(jù)作為輸入向量所對應(yīng)的輸出向量；利用這種思路對三峽過壩貨運量及主要貨類運量進行模型的擬合訓練，得到相應(yīng)的訓練模型之后，再將前9行數(shù)據(jù)輸入到工具箱中svmpredit函數(shù)中去，得到三峽過壩貨運量的預(yù)測情況。反歸一化數(shù)據(jù)見表4。

表3 歸一化數(shù)據(jù)

表4 GA-SVM模型預(yù)測值及其誤差

GA-SVM模型利用遺傳算法的全局尋優(yōu)能力搜索最優(yōu)懲罰參數(shù)C和核函數(shù)參數(shù)σ，而傳統(tǒng)的SVM模型僅依靠經(jīng)驗確定其值[5]。支持向量機的高維分類及映射能力的關(guān)鍵靠兩個參數(shù)C和σ實現(xiàn)，僅依靠經(jīng)驗對其賦值存在一定的主觀性，很難得到最優(yōu)結(jié)構(gòu)。因此利用遺傳算法的全局尋優(yōu)能力彌補這一“短處”，取得較好效果。GA-SVM模型原始值和預(yù)測值擬合曲線如圖1所示。從圖1可以看出預(yù)測值和實際值之間基本重合，誤差較小。傳統(tǒng)SVM和GA-SVM模型預(yù)測相關(guān)結(jié)果對比見表5。

表5 傳統(tǒng)SVM和GA-SVM模型預(yù)測相關(guān)結(jié)果對比

基于表5中GA-SVM預(yù)測模型所提供的最優(yōu)參數(shù)C和σ對2017-2021年的三峽過壩貨運總量進行預(yù)測，基礎(chǔ)數(shù)據(jù)通過灰色模型預(yù)測，歸一化后代入程序，預(yù)測結(jié)果及反歸一化數(shù)值見表6。

表6 GA-SVM模型預(yù)測值及其誤差

表6反歸一化數(shù)值表示2017-2021年預(yù)測貨運總量分別為：13 125萬t，13 652萬t，14 029萬t，15 589萬t，15 765萬t。

4 長江流域產(chǎn)業(yè)經(jīng)濟發(fā)展對三峽過壩貨運量的影響

三峽過壩貨運量的預(yù)測受很多因素的影響，其中最主要的就是區(qū)域經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等因素。對表1中長江流域共9個省、直轄市的GDP、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)和同期過壩貨運量作對數(shù)處理后（如圖2所示），從宏觀方面分析長江流域經(jīng)濟結(jié)構(gòu)變化對貨運量的影響。

從圖2可以看出，2004年以來，第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)總值以及貨運量呈現(xiàn)穩(wěn)定上升的趨勢，貨運量與GDP二者的變化趨勢相關(guān)程度很高。

圖2 長江流域經(jīng)濟發(fā)展與貨運量趨勢

三產(chǎn)業(yè)占比趨勢如圖3所示。從圖3可以看出，三大產(chǎn)業(yè)呈現(xiàn)非均衡增長，就增速而言，第二產(chǎn)業(yè)平均增速較大，第一產(chǎn)業(yè)最小。整個長江流域仍以第二產(chǎn)業(yè)為主導(dǎo)產(chǎn)業(yè)，占比維持在50%左右。然而隨著產(chǎn)業(yè)優(yōu)化升級等調(diào)整政策的實行，第三產(chǎn)業(yè)迅猛發(fā)展，并于2015年首次占比超過50%，首次超過第二產(chǎn)業(yè)產(chǎn)值。不難發(fā)現(xiàn)，長江干線流域第三產(chǎn)業(yè)逐漸取代第二產(chǎn)業(yè)的主導(dǎo)地位，側(cè)面上說明政府產(chǎn)業(yè)優(yōu)化升級等調(diào)整政策取得良好的成效。

圖3 三產(chǎn)業(yè)占比趨勢

長江流域單位GDP的貨運量趨勢如圖4所示。由圖4可知，長江干線流域單位GDP貨運量（即貨運量與GDP的比值，單位：萬t/億元）總體處在下降趨勢。原因在于，一方面長江干線流域省份加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整步伐，在發(fā)展工業(yè)的同時，帶動現(xiàn)代物流、信息、旅游、金融等服務(wù)業(yè)迅速發(fā)展，增加居民收入，促進社會消費；另一方面大力培育戰(zhàn)略性新興產(chǎn)業(yè)，減少高能耗高物耗的產(chǎn)業(yè)，導(dǎo)致單位GDP產(chǎn)生貨運量逐年下降。

圖4 長江流域單位GDP的貨運量趨勢

5 結(jié)語

本文根據(jù)搜集的9個影響因素近13年的歷史數(shù)據(jù)，以及作為預(yù)測指標的三峽過壩貨運總量近13年的統(tǒng)計數(shù)據(jù)，運用建立的GA-SVM模型進行訓練和預(yù)測，經(jīng)實證此模型具有高精度性，證明經(jīng)濟發(fā)展與貨運量之間存在一定的內(nèi)在聯(lián)系。通過分析長江流域貨運量、GDP和產(chǎn)業(yè)結(jié)構(gòu)變化趨勢，得到兩個結(jié)論：一是經(jīng)濟總量與貨運量呈現(xiàn)正相關(guān)；二是貨運量受到內(nèi)部結(jié)構(gòu)即產(chǎn)業(yè)結(jié)構(gòu)的影響。長江干線流域第三產(chǎn)業(yè)比重逐步增大，單位GDP產(chǎn)生的貨運量持續(xù)下落，反映產(chǎn)業(yè)結(jié)構(gòu)調(diào)整帶來的貨物附加值提高，改善過去粗放式發(fā)展忽視經(jīng)濟質(zhì)量的情況，提高了經(jīng)濟質(zhì)量。

本文運用該模型對未來五年過壩貨運總量進行預(yù)測，為以后三峽過壩貨運量預(yù)測提供了一種新思路和方法，具有一定的參考作用。