基于GA-BP算法的長(zhǎng)江運(yùn)價(jià)指數(shù)模型研究及預(yù)測(cè)

李玉琢 劉攀

摘要： 文章通過(guò)市場(chǎng)的特征選取了相關(guān)影響因素對(duì)長(zhǎng)江水域的運(yùn)輸經(jīng)濟(jì)問(wèn)題進(jìn)行了研究。根據(jù)過(guò)往水運(yùn)市場(chǎng)經(jīng)濟(jì)事件的分析，建立了基于GA-BP算法的價(jià)格制定模型，確定了長(zhǎng)江運(yùn)價(jià)指數(shù)。并根據(jù)長(zhǎng)江航務(wù)交易所的歷史數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，證明了模型的有效性和合理性。本文有助于增強(qiáng)鋼鐵水運(yùn)市場(chǎng)參與者的自身競(jìng)爭(zhēng)能力和確保經(jīng)營(yíng)收益，有效地防范經(jīng)營(yíng)風(fēng)險(xiǎn)。

關(guān)鍵詞：GA-BP算法;長(zhǎng)江運(yùn)價(jià)

2017年，長(zhǎng)江干線貨物通過(guò)量已達(dá)到25億噸。長(zhǎng)江已成為世界通航最繁忙、運(yùn)量最大的河流。長(zhǎng)江內(nèi)河運(yùn)輸方式的價(jià)格指數(shù)，并沒(méi)有明確的參考價(jià)格，相關(guān)交通運(yùn)輸企業(yè)只能根據(jù)沿海運(yùn)價(jià)指數(shù)對(duì)內(nèi)河運(yùn)價(jià)進(jìn)行上下的小幅度調(diào)整，但往往由于市場(chǎng)的延遲等不確定因素的存在，長(zhǎng)江運(yùn)價(jià)與沿海運(yùn)價(jià)有較大的差距。怎樣才能使制定價(jià)格與實(shí)際價(jià)格有更高的契合度實(shí)現(xiàn)與市場(chǎng)的同步，建立一個(gè)權(quán)威性有說(shuō)服力的價(jià)格體系，是需要解決的關(guān)鍵。

1.影響因素分析

1.1國(guó)家經(jīng)濟(jì)發(fā)展水平

衡量一個(gè)國(guó)家的經(jīng)濟(jì)發(fā)展水平指標(biāo)很多，如國(guó)內(nèi)生產(chǎn)總值、進(jìn)出口貿(mào)易量、人均消費(fèi)、人均壽命等等，由于我國(guó)人口數(shù)量較為穩(wěn)定，因此GDP能夠反映我國(guó)經(jīng)濟(jì)發(fā)展水平，本文采用GDP來(lái)作為國(guó)家經(jīng)濟(jì)發(fā)展水平的衡量指標(biāo)。

1.2燃油價(jià)格

燃油成本是航運(yùn)運(yùn)輸過(guò)程中最重要的成本支出。由于我國(guó)的航船大都采用柴油發(fā)動(dòng)機(jī)。本文收集自2017年1月至2018年9月燃油價(jià)格從3000元/頓漲至6000元/噸。（燃油價(jià)格數(shù)據(jù)來(lái)源：https：//www.cngold.org/ 運(yùn)價(jià)指數(shù)來(lái)自長(zhǎng)江航務(wù)局官網(wǎng)）

1.3貨物價(jià)格

長(zhǎng)江水域承運(yùn)貨物種類為大宗貨物主要包括鋼材、煤炭、鐵礦石。并且各種貨物的價(jià)格不同，導(dǎo)致有各種不同的包裝、裝卸、運(yùn)輸需求，因此對(duì)運(yùn)價(jià)有很直接的影響。本文選取鋼材、煤炭、鐵礦石的價(jià)格作為影響航運(yùn)指數(shù)的因素。

2.模型構(gòu)建及一致性檢驗(yàn)

由于長(zhǎng)江運(yùn)價(jià)指數(shù)制定問(wèn)題本身十分復(fù)雜，大部分的影響因素與運(yùn)價(jià)指數(shù)之間存在的是非線性關(guān)系，數(shù)據(jù)量大且繁雜，內(nèi)部規(guī)律較難發(fā)現(xiàn)，鑒于BP神經(jīng)網(wǎng)絡(luò)最大的優(yōu)點(diǎn)為對(duì)非線性關(guān)系的也有很強(qiáng)的適用性，能夠從大量繁雜的數(shù)據(jù)中尋找規(guī)律。但是傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法有兩點(diǎn)不足：一是收斂速度慢;二是初始值的設(shè)置易導(dǎo)致陷入局部最優(yōu)解，無(wú)法求得全局最優(yōu)解。通過(guò)研究選擇用GA算子改進(jìn)BP算法優(yōu)化模型，其中遺傳算法的基本步驟：編碼、初始群體的生成、適應(yīng)度評(píng)估、選擇、交叉和變異。

用GA算子改進(jìn)BP算法首先執(zhí)行GA算法，得到初始權(quán)值、閾值，如果這時(shí)的解能滿足事先所規(guī)定的網(wǎng)絡(luò)精度，則認(rèn)為GA-BP算法終止，同時(shí)退化為BP算法。如果得到的解不符合精度要求，則激活遺傳算法，進(jìn)入“GA-BP”迭代循環(huán)。直到尋找到最優(yōu)的初始權(quán)值、閾值。引入遺傳算法，是為了利用遺傳算法在尋找全局最優(yōu)解上的優(yōu)勢(shì)，幫助BP算法跳出局部最優(yōu)陷阱，最終找到一個(gè)滿足網(wǎng)絡(luò)精度的點(diǎn)。

基于BP神經(jīng)網(wǎng)絡(luò)算法的運(yùn)價(jià)模型，將選取的樣本數(shù)據(jù)進(jìn)行歸一化處理，同樣將樣本數(shù)據(jù)按時(shí)間排序，前1-80號(hào)數(shù)據(jù)作為訓(xùn)練樣本集，后80-90號(hào)數(shù)據(jù)作為測(cè)試樣本集。Matlab程序代碼略;本文選用3層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。樣本共4個(gè)因素，即4個(gè)輸入?yún)?shù)，1個(gè)輸出參數(shù)，故輸入層節(jié)點(diǎn)數(shù)為4個(gè)，輸出層為1個(gè)。根據(jù)近似關(guān)系式，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為4-3-7-2-1，設(shè)置訓(xùn)練次數(shù)為5000次，訓(xùn)練目標(biāo)為0.01，學(xué)習(xí)速率為0.1。得到9個(gè)測(cè)試樣本運(yùn)價(jià)的模型結(jié)果。檢驗(yàn)得平均相對(duì)誤差較小，即此模型一致性良好。

總結(jié)

（1）通過(guò)先把因素分類然后抓住各類主要因素的方法來(lái)解決因素過(guò)多的問(wèn)題。

（2）用GA算子改進(jìn)BP算法克服了傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)收斂速度慢和初始值的設(shè)置易導(dǎo)致陷入局部最優(yōu)解的缺陷。

（3）經(jīng)過(guò)一致性得到此GA-BP模型算法預(yù)測(cè)得出的結(jié)果與符合實(shí)際情況符合比較好，具有突出的實(shí)際意義。

參考文獻(xiàn)：

[1]王大山，劉文白.化學(xué)品市場(chǎng)主船型期租水平運(yùn)價(jià)指數(shù)研究及預(yù)測(cè)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2017，47（23）：58-67.

[2]王溪倩.干散貨航運(yùn)市場(chǎng)的運(yùn)價(jià)指數(shù)及其波動(dòng)研究[J].物流工程與管理，2018，40（10）：108-109+117.