馮社苗

(長安大學(xué)經(jīng)濟(jì)與管理學(xué)院 西安 710064)

0 引 言

物流活動由商品的運輸、倉儲、包裝、搬運裝卸、流通加工以及相關(guān)的物流信息等環(huán)節(jié)構(gòu)成.物流成本是物流活動中所消耗的物化勞動和活勞動的貨幣表現(xiàn),按照核算范圍的不同可分為企業(yè)物流成本和社會物流成本.對社會物流成本可以按照不同的標(biāo)準(zhǔn)來分析其構(gòu)成,常見的方法是將其分解為運輸成本、庫存成本和物流管理成本.運輸成本指花費在貨物位移方面及其附帶的裝卸搬運的費用;庫存成本是指花費在保存貨物的費用,除了包括倉儲、殘損、人力費用及保險外,還包括庫存占用資金的利息;物流管理成本是指在物流活動中用于協(xié)調(diào)物流活動而發(fā)生的各種非生產(chǎn)費用支出.正確地和精確地預(yù)測社會物流成本,對于了解一個國家或地區(qū)物流經(jīng)濟(jì)運行效率、物流活動的規(guī)模、結(jié)構(gòu)和發(fā)展水平具有非常重要的意義;同時,科學(xué)評價社會物流成本狀況和正確預(yù)測社會物流成本發(fā)展趨勢是政府部門制定物流發(fā)展規(guī)劃和物流發(fā)展政策、加強(qiáng)宏觀經(jīng)濟(jì)調(diào)控的依據(jù).目前對社會物流成本預(yù)測的文獻(xiàn)不多,筆者在中國期刊網(wǎng)以“成本預(yù)測”為檢索詞,檢索2003～2009年的文獻(xiàn),發(fā)現(xiàn)有173篇文章與成本預(yù)測有關(guān),而其中僅有3篇文獻(xiàn)是預(yù)測物流成本的.造成這種狀況的原因,一是目前我國統(tǒng)一的物流統(tǒng)計體系不健全,因此宏觀的社會物流成本只能采取估算的方法;二是社會物流成本的核算范圍很難把握,很多學(xué)者期望根據(jù)物流冰山理論,把隱藏在水面之下的隱形物流費用全部核算出來,但由于物流成本理論與現(xiàn)行會計制度的錯位,很難搜集到所需的數(shù)據(jù);三是作為宏觀物流成本,社會物流成本受大量隨機(jī)和不確定因素的制約,很難做出較為精確的預(yù)測.

1 社會物流成本的預(yù)測方法

從理論上講,社會物流成本的傳統(tǒng)預(yù)測方法有3種:一是判斷分析法,即主要依靠專家和管理人員的過去經(jīng)驗和綜合分析來預(yù)測未來社會物流成本,該方法屬于定性分析法,主觀性較強(qiáng),一般作為輔助預(yù)測方法;二是趨勢外推法,該方法不考慮物流成本的影響因素,而是利用過去的資料所形成的趨勢來預(yù)測未來的社會物流成本,因此該方法對短期預(yù)測較為合適;三是因果分析法,即依據(jù)所掌握的歷史資料,找出所要預(yù)測的變量和其相關(guān)變量之間的因果關(guān)系,從而預(yù)測未來狀態(tài)的方法,該方法容易建立預(yù)測模型,但是在應(yīng)用線性回歸預(yù)測方法進(jìn)行預(yù)測建模的時候需要大樣本量且要求物流成本樣本具有典型的分布規(guī)律,對于非典型概率分布,非平穩(wěn)過程的問題則無法取得滿意的預(yù)測效果.近年來有學(xué)者應(yīng)用灰色理論預(yù)測物流成本[1],但效果并不理想;也有學(xué)者應(yīng)用人工BP神經(jīng)網(wǎng)絡(luò)預(yù)測物流成本[2-3].人工神經(jīng)網(wǎng)絡(luò)作為一種并行的計算模型,具有傳統(tǒng)建模方法所不具備的很多優(yōu)點,有很好的非線性影射、自組織、自學(xué)習(xí)等能力.本文引入廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)對我國社會物流成本做出預(yù)測.

2 GRNN神經(jīng)網(wǎng)絡(luò)模型的原理

人工神經(jīng)網(wǎng)絡(luò)是一種并行的計算模型,具有通過學(xué)習(xí)逼近任意非線性映射能力,一般不必事先知道有關(guān)建模對象的結(jié)構(gòu)、參數(shù)以及動態(tài)特性,只需給出對象的輸入和輸出數(shù)據(jù),通過網(wǎng)絡(luò)本身的學(xué)習(xí)功能就可以得到輸入與輸出的映射關(guān)系.廣義回歸神經(jīng)網(wǎng)絡(luò)(generalized regression neural network,GRNN)是RBF神經(jīng)網(wǎng)絡(luò)模型[4-5]的變形之一,有關(guān)理論研究表明,GRNN在逼近能力、分類能力和學(xué)習(xí)速度上較BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)有著較強(qiáng)的優(yōu)勢,網(wǎng)絡(luò)最后收斂于樣本量集聚較多的優(yōu)化回歸面,并且在樣本數(shù)據(jù)缺乏時,預(yù)測效果也比較好.此外,該網(wǎng)絡(luò)還可以處理不穩(wěn)定的數(shù)據(jù)[6].

GRNN是一種基于非線性回歸理論的前饋式神經(jīng)網(wǎng)絡(luò)模型.它通過激活神經(jīng)元來逼近函數(shù),如圖1所示.GRNN由一個徑向基網(wǎng)絡(luò)層和一個線性網(wǎng)絡(luò)層組成.ai1為第一層輸出ai的第i個元素,Wi1為第一層權(quán)值矩陣W1的第i行元素.P為輸入向量;R為網(wǎng)絡(luò)輸入的維數(shù);S為每層網(wǎng)絡(luò)中的神經(jīng)元個數(shù),同時還表示訓(xùn)練樣本的個數(shù);bi為隱含層閥值.符號?為‖dist‖的輸出與閥值bi的元素與元素之間的乘積關(guān)系.隱含層的傳遞函數(shù)為徑向基函數(shù),一般用高斯函數(shù) Ri=作為網(wǎng)絡(luò)的傳遞函數(shù),式中:σi為光滑因子.網(wǎng)絡(luò)的第 2層為線性輸出層,其權(quán)函數(shù)為規(guī)范化點積函數(shù)(用npord表示),傳遞函數(shù)a2=purelin(n2),計算網(wǎng)絡(luò)輸出.

GRNN連接權(quán)值的學(xué)習(xí)修正仍然使用BP算法,由于網(wǎng)絡(luò)隱含層節(jié)點中的作用函數(shù)(基函數(shù))采用高斯函數(shù),高斯函數(shù)為一種局部分布對中心徑向?qū)ΨQ衰減的非負(fù)非線性函數(shù),對輸入信號將在局部產(chǎn)生響應(yīng),即當(dāng)輸入信號靠近基函數(shù)的中央范圍時,隱含層節(jié)點將產(chǎn)生較大的輸出,由此看出這種網(wǎng)絡(luò)具有局部逼近能力,這也是該網(wǎng)絡(luò)學(xué)習(xí)速度更快的原因.此外,GRNN人為調(diào)節(jié)的參數(shù)少,只有一個閥值,網(wǎng)絡(luò)的學(xué)習(xí)全部依賴數(shù)據(jù)樣本.這個特點決定了網(wǎng)絡(luò)得以最大限度地避免人為主觀設(shè)置參數(shù)對預(yù)測結(jié)果的影響.

圖1 GRNN網(wǎng)絡(luò)結(jié)構(gòu)

3 影響社會物流成本的因素分析

社會物流系統(tǒng)的復(fù)雜性造成影響社會物流成本的因素是多方面的,而且這些因素之間的相互作用關(guān)系是復(fù)雜的.根據(jù)經(jīng)濟(jì)學(xué)有關(guān)理論,社會物流成本的影響因素可以歸納如下.

1)經(jīng)濟(jì)總量 經(jīng)濟(jì)總量是影響一個區(qū)域社會物流活動的基礎(chǔ)性因素,該指標(biāo)越大,說明該區(qū)域的經(jīng)濟(jì)越活躍,物流需求量大,則相應(yīng)地對社會物流成本影響也越大.

2)產(chǎn)業(yè)結(jié)構(gòu) 根據(jù)經(jīng)典的產(chǎn)業(yè)結(jié)構(gòu)劃分理論,一個經(jīng)濟(jì)體最初的增長在于第一產(chǎn)業(yè)的興旺,然后經(jīng)歷第二產(chǎn)業(yè)即工業(yè)為主導(dǎo)產(chǎn)業(yè)的階段,最終演化為第三產(chǎn)業(yè)為主導(dǎo)產(chǎn)業(yè)的階段.伴隨產(chǎn)業(yè)結(jié)構(gòu)演化的是生產(chǎn)要素結(jié)構(gòu)和產(chǎn)品價值結(jié)構(gòu)的變化:主導(dǎo)的生產(chǎn)要素依次經(jīng)歷勞動密集型→資本密集型→技術(shù)知識密集型,產(chǎn)品價值結(jié)構(gòu)從低附加值→高附加值轉(zhuǎn)變.這是因為第一、二產(chǎn)業(yè)所運作的對象主要是農(nóng)副產(chǎn)品、工業(yè)制成品、原材料等物資,第三產(chǎn)業(yè)的發(fā)展以金融、通訊、服務(wù)業(yè)和高科技為主,第一、二產(chǎn)業(yè)的產(chǎn)品決定了其運輸和倉儲的成本占運作對象價格的比重要高于第三產(chǎn)業(yè)的產(chǎn)品,因此一個國家或地區(qū)第一、二產(chǎn)業(yè)占主導(dǎo)地位時,該地區(qū)單位GDP產(chǎn)生的貨運量、倉儲量較大,相應(yīng)的社會物流成本也高;第三產(chǎn)業(yè)占主導(dǎo)地位時,單位GDP產(chǎn)生的貨運量和倉儲量則會明顯降低,相應(yīng)的社會物流成本也低,因此區(qū)域產(chǎn)業(yè)結(jié)構(gòu)是影響區(qū)域社會物流成本的重要因素.

3)物流運作效率 物流運作效率反映一個區(qū)域的物流管理和技術(shù)水平,物流運作效率越高,則在相同的經(jīng)濟(jì)總量和產(chǎn)業(yè)結(jié)構(gòu)水平下,單位物流設(shè)施和能力所服務(wù)的經(jīng)濟(jì)總量也越高,對應(yīng)的社會物流成本也越低.

4)產(chǎn)業(yè)集群程度 產(chǎn)業(yè)集群是指產(chǎn)業(yè)鏈上的相關(guān)企業(yè)在某一特定區(qū)域通過集聚成群而不斷提升企業(yè)及產(chǎn)業(yè)整體競爭力的現(xiàn)象及其過程.產(chǎn)業(yè)集群作為經(jīng)濟(jì)要素在空間結(jié)構(gòu)上形成的一種組織形態(tài),從分工角度考察,可以認(rèn)為產(chǎn)業(yè)集群是專業(yè)化分工的產(chǎn)物,是人們?yōu)榻档蛯I(yè)化分工產(chǎn)生的交易費用和獲取由分工產(chǎn)生的報酬遞增的一種空間表現(xiàn)形式.基于交易費用這個角度分析,至少可以看到四項產(chǎn)業(yè)集群對物流成本的影響:第一,地理上的集中意味著集群內(nèi)企業(yè)之間的空間距離拉近,運輸成本降低,可以用更少的資源創(chuàng)造更多的空間價值;第二,地理上的集中意味著集群內(nèi)的企業(yè)可以迅速得到上游企業(yè)供給的原材料或零配件,同時可以迅速把自己的產(chǎn)品傳遞給下游企業(yè),可以降低庫存成本;第三,產(chǎn)業(yè)集群利于信息共享,有利于物流信息的收集和傳遞,降低物流信息成本;第四,集群內(nèi)企業(yè)可以發(fā)展共同配送、共同采購、共同運輸?shù)然顒?最終促使第三方物流的產(chǎn)生,降低整個區(qū)域的物流成本.

4 我國社會物流成本預(yù)測的GRNN模型

社會物流成本受多種因素影響,本文選擇和產(chǎn)業(yè)結(jié)構(gòu)及經(jīng)濟(jì)總量相關(guān)的第一產(chǎn)業(yè)GDP、第二產(chǎn)業(yè)GDP、第三產(chǎn)業(yè)GDP、農(nóng)產(chǎn)品產(chǎn)量、貨物周轉(zhuǎn)量、社會商品零售額作為社會物流成本的影響因子;另外考慮到我國東部沿海地區(qū)產(chǎn)業(yè)集群有一定規(guī)模,且經(jīng)濟(jì)外向度高,因此選擇與該區(qū)域?qū)ν饨?jīng)濟(jì)活動密切的沿海港口吞吐量和進(jìn)出口額作為社會物流成本的影響因子;以社會運輸成本、社會倉儲成本、社會物流管理成本作社會物流成本的輸出因子,構(gòu)建GRNN預(yù)測模型[7].以上指標(biāo)中,農(nóng)產(chǎn)品產(chǎn)量包括糧食作物產(chǎn)量、棉花產(chǎn)量、油料產(chǎn)量、糖料產(chǎn)量、茶葉產(chǎn)量、烤煙產(chǎn)量、水果產(chǎn)量、畜牧業(yè)肉產(chǎn)量和漁業(yè)產(chǎn)量,港口吞吐量指沿海主要港口貨物吞吐量.

按照上述網(wǎng)絡(luò)所確定的輸入/輸出參數(shù),以我國1998～2006年的歷史統(tǒng)計數(shù)據(jù)(見表1)作為網(wǎng)絡(luò)的全部學(xué)習(xí)樣本.選取1998～2004年的7個樣本進(jìn)行擬合訓(xùn)練,取2005和2006年的2個樣本進(jìn)行外推預(yù)測檢驗.

表1中各變量的含義如下:X 1為第一產(chǎn)業(yè)GDP(單位:億元);X2為第二產(chǎn)業(yè)GDP(單位:億元);X 3為第三產(chǎn)業(yè)GDP(單位:億元);X 4為農(nóng)產(chǎn)品產(chǎn)量(單位:萬t);X 5為貨物周轉(zhuǎn)量(單位:億t?km);X6為社會商品零售額(單位:億元);X 7為港口吞吐量(單位:萬t);X 8為進(jìn)出口額(單位:億美元);Y1為社會運輸成本(單位:億元);Y2為社會倉儲成本(單位:億元);Y 3為社會物流管理成本(單位:億元).

表1 1998～2006年的樣本數(shù)據(jù)

由于網(wǎng)絡(luò)性能受光滑因子的影響,因此需通過多次嘗試確定最佳光滑因子的值.將光滑因子分別設(shè)置為0.1,0.2,0.3,0.4和0.5,經(jīng)過對輸出結(jié)果的檢查發(fā)現(xiàn),光滑因子越小,網(wǎng)絡(luò)對樣本的逼近性能就越強(qiáng);光滑因子越大,網(wǎng)絡(luò)對樣本數(shù)據(jù)的逼近過程就越平滑.網(wǎng)絡(luò)對訓(xùn)練樣本的逼近誤差如圖2所示,網(wǎng)絡(luò)的預(yù)測誤差如圖3所示.由圖2和圖3看出,當(dāng)光滑因子為0.1時,逼近性能和預(yù)測性能的誤差都較小,而隨著光滑因子的增加,誤差也在不斷增加,因此,這里的光滑因子取0.1比較合適.此時網(wǎng)絡(luò)的測試輸出經(jīng)反歸一化處理后所得數(shù)據(jù)與實際數(shù)據(jù)相比,預(yù)測誤差小于5%,效果較好.

圖2 網(wǎng)絡(luò)的逼近誤差

圖3 網(wǎng)絡(luò)的預(yù)測誤差

5 結(jié)束語

神經(jīng)網(wǎng)絡(luò)憑借其在處理非線性問題上的獨特優(yōu)勢,能較好的反映各因素對社會物流成本的影響.根據(jù)以上擬合訓(xùn)練和外推預(yù)測的結(jié)果分析,可以發(fā)現(xiàn)GRNN網(wǎng)絡(luò)的擬合值和預(yù)測值與實際值很接近,網(wǎng)絡(luò)具有較好的推廣能力,誤差符合預(yù)測精度的要求,證明GRNN神經(jīng)網(wǎng)絡(luò)可以用于社會物流成本的預(yù)測及其預(yù)測的有效性.與BP神經(jīng)網(wǎng)絡(luò)相比,由于需要調(diào)整的參數(shù)比較少,只有一個光滑因子,因此可以更快地找到合適的預(yù)測網(wǎng)絡(luò),具有較大的優(yōu)勢.但是該方法的優(yōu)點是以大量的訓(xùn)練樣本為代價的,在缺乏訓(xùn)練數(shù)據(jù)的情況下,本方法將無從實施.同時,GRNN神經(jīng)網(wǎng)絡(luò)無法提供預(yù)測的置信區(qū)間和顯著性檢驗,這是該方法與傳統(tǒng)方法比較的劣勢,須進(jìn)行進(jìn)一步研究.

[1]孫飛波.灰色預(yù)測理論在物流成本中的應(yīng)用[J].現(xiàn)代軟科學(xué),2006(2):70-71.

[2]陳 芳,金 甌,賀建飚.基于BP神經(jīng)網(wǎng)絡(luò)在預(yù)測物流成本中的應(yīng)用[J].微計算機(jī)信息,2008,24(5-3):175-176.

[3]張鳳榮,金俊武,李延忠.基于改進(jìn)的灰色BP神經(jīng)網(wǎng)絡(luò)的區(qū)域物流成本預(yù)測[J].公路交通科技,2005,22(6):155-158.

[4]Sprecht D F.The general regression neural network rediscovered[J].Neural Networks,1993,(6):1 033-1034.

[5]Liu Guodong,Ding Jing.Several problems of application of back propagation neural network to hydrologic forecast[J].Water Supply Research,1999(1):12-17.

[6]飛思科技產(chǎn)品研發(fā)中心,神經(jīng)網(wǎng)絡(luò)理論與MA TLAB實現(xiàn)[M].北京:電子工業(yè)出版社,2005.

[7]趙 闖,劉 凱,李電生.基于廣義回歸神經(jīng)網(wǎng)絡(luò)的貨運量預(yù)測[J].鐵道學(xué)報,2004,26(1):12-15.