結合經(jīng)濟指標修正的GA-BP模型港口貨物吞吐量預測

王新杰 陳淮莉

【關鍵詞】 港口貨物吞吐量預測;經(jīng)濟指標;GA-BP模型;主成分分析;上海港

0 引 言

隨著“一帶一路”建設的不斷推進，我國進出口貿(mào)易總額逐年穩(wěn)步上升，港口物流業(yè)迅速發(fā)展。有效預測港口貨物吞吐量，能夠優(yōu)化資源配置、協(xié)調(diào)集疏運系統(tǒng)，為港口貨運作業(yè)規(guī)劃提供科學依據(jù)。常用的港口貨物吞吐量預測方法有人工神經(jīng)網(wǎng)絡模型、時間序列模型、灰色預測模型和回歸模型。人工神經(jīng)網(wǎng)絡模型有Elman神經(jīng)網(wǎng)絡、灰色神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡等算法，這些算法對非線性關系預測效果較好，但對網(wǎng)絡的初始閾值和權值有較強依賴，容易陷入局部最優(yōu)解;時間序列模型有移動平均法、指數(shù)平滑法以及自回歸差分移動平均（ARIMA）模型等，這些算法能夠較好地體現(xiàn)數(shù)據(jù)季節(jié)性變化，但對于突變波動的預測效果較差;灰色預測模型僅需少量數(shù)據(jù)即可進行預測，多應用于短期貨物吞吐量年度數(shù)據(jù)的預測;回歸模型可以突出數(shù)據(jù)變化的影響因素，通常會結合新興技術廣泛應用于港口貨物吞吐量預測領域，但該方法需要大量的技術經(jīng)濟指標作為模型建立的依據(jù)，且數(shù)據(jù)統(tǒng)計難度較大。

影響港口貨物吞吐量的因素眾多且存在非線性關系。BP神經(jīng)網(wǎng)絡模型進行預測效果較好，但該模型容易陷入局部最優(yōu)，且各月份因素指標獲取難度較大;遺傳算法（Genetic Algorithm，GA）具有良好的全局搜索能力，而經(jīng)濟指標[1]對貨物吞吐量影響最大。因此，基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡模型（GA-BP模型），結合經(jīng)濟指標提出能夠較好體現(xiàn)非線性變化、突出因果關系、數(shù)據(jù)收集難度適中的貨物吞吐量短期預測模型。選取2012―2020年上海港貨物吞吐量月度數(shù)據(jù)，運用GA-BP模型進行預測分析，并根據(jù)上海市經(jīng)濟指標設定經(jīng)濟影響函數(shù)，對準預測結果進行修正。試驗證明，結合經(jīng)濟指標影響的GA-BP模型的預測效果比傳統(tǒng)時間序列模型和BP神經(jīng)網(wǎng)絡模型更優(yōu)。

1 考慮經(jīng)濟指標影響的GA-BP模型

1.1 問題描述

以全月貨物吞吐量數(shù)據(jù)為一個預測周期，根據(jù)m周期的歷史數(shù)據(jù)即{yt m+1，yt m+2，…，yt}，預測得到未來一個周期貨物吞吐量的準預測值 ，其中yt表示第t月的貨物吞吐量實際值。由于根據(jù)歷史數(shù)據(jù)趨勢外推得到的準預測值不能體現(xiàn)因果關系且具有不確定性，加之港口貨物吞吐量必然受到港口腹地經(jīng)濟、港口規(guī)模、政策、天氣等因素的影響，其中經(jīng)濟因素影響最顯著，因而根據(jù)港口腹地經(jīng)濟指標對準預測值進行修正得到最終預測值 。具體流程見圖1。

1.2.1 GA-BP模型

2 GA-BP模型算法

本文采用GA對BP的初始閾值和權值進行優(yōu)化，確定最優(yōu)初始閾值和權值后再運用BP進行預測，流程見圖2。

為提高驗證準確性，將上海港2012―2020年各月份貨物吞吐量數(shù)據(jù)劃分為3組進行訓練和驗證預測，數(shù)據(jù)集劃分結果見圖3。

通過SPSS軟件對各個特征指標進行主成分分析，得到5個主成分并通過加權平均的方法計算綜合得分。對結果進行非負處理并轉化為[1，101]，最終得到各月份的經(jīng)濟指數(shù)。為體現(xiàn)經(jīng)濟指數(shù)對貨物吞吐量的影響，運用MATLAB軟件對2012―2020年的貨物吞吐量與經(jīng)濟影響指數(shù)進行灰色關聯(lián)度分析，得到二者的灰色關聯(lián)度為0.74;根據(jù)經(jīng)濟影響指數(shù)得到各月度經(jīng)濟影響函數(shù)，并對GA-BP模型輸出的準預測值進行修正（其中r=0.74，n=0.1），得到最終預測值（見表2）。

由表3可知，考慮經(jīng)濟指標影響的GA-BP模型預測結果的平均絕對誤差為217.3、均方根誤差為273.7、平均絕對誤差百分比為5.2%。這說明預測效果優(yōu)于ARIMA模型和BP神經(jīng)網(wǎng)絡模型。

4 結 語

利用GA較強的全局尋優(yōu)能力，對BP的初始閾值和權值進行優(yōu)化，同時考慮經(jīng)濟指標的影響，對港口貨物吞吐量進行短期預測。結果表明：考慮經(jīng)濟指標影響的GA-BP模型預測效果最優(yōu)，可以為同類型港口的貨物吞吐量預測提供參考。然而，由于月度經(jīng)濟數(shù)據(jù)的缺失率較高、獲取難度較大，因此部分指標采用指數(shù)指標作為替代，以致該模型存在一定的局限性。此外，運用該模型對其他港口貨物吞吐量進行預測時，經(jīng)濟影響函數(shù)的參數(shù)需要根據(jù)數(shù)據(jù)進行修正。未來可在經(jīng)濟指標的選取以及模型參數(shù)的動態(tài)確定上作進一步研究。

參考文獻：

[1] 黃建康，姚遠. 港口吞吐量預測影響因素辨識研究[J]. 商場現(xiàn)代化，2014（22）：76-78.

[2] 梁明奇，王敏，朱江龍. 基于主成分分析法的五排水庫水質評價[J]. 湖北大學學報（自然科學版），2021（2）：163-169.

[3] 楊洋，陳家俊. 基于群智能算法優(yōu)化BP神經(jīng)網(wǎng)絡的應用研究綜述[J]. 電腦知識與技術，2020（35）：7-10，14.