摘要：文章利用支持向量機的非線性能力對歷史物流需求量進行學(xué)習(xí)，獲得模型最優(yōu)參數(shù)，對將來物流需求進行預(yù)測。文章調(diào)研了焦作市歷年的城市物流需求數(shù)據(jù)對模型性能進行測試，測試結(jié)果表明，支持向量機針對城市物流需求預(yù)測精度較高，為城市物流需求預(yù)測提供了有效的方法。

關(guān)鍵詞：物流需求；支持向量機；預(yù)測

一、 前言

當(dāng)前，衡量某國國家現(xiàn)代化水平與綜合國力的一個非常重要標志就是該國現(xiàn)代物流的發(fā)展程度，中國物流需求的快速增長加速了物流產(chǎn)業(yè)的急速發(fā)展，并逐漸發(fā)展成為我國國民經(jīng)濟的關(guān)鍵部分和重要的經(jīng)濟增長點。有關(guān)的統(tǒng)計資料表明，物流業(yè)增加值每增加1%，就能夠增加10萬個新的就業(yè)崗位。2010年中國社會物流總額實現(xiàn)了125.4萬億元，相比2000年增長了6.3倍，年均增長率為23%，物流業(yè)的增加值為2.7萬億元，與 2000年相比增長了2.9倍，年均增長率為14%；物流業(yè)增加值占我國全部服務(wù)業(yè)增加值的比重是16%，占GDP的比重為6.9%，眾多的學(xué)者認為，物流產(chǎn)業(yè)是拉動第三產(chǎn)業(yè)的關(guān)鍵因素。

為了更好地推動我國現(xiàn)代物流的發(fā)展，建設(shè)現(xiàn)代物流服務(wù)體系，利用物流服務(wù)促進其他相關(guān)產(chǎn)業(yè)的發(fā)展，中央政府已經(jīng)把物流產(chǎn)業(yè)列為十大調(diào)整振興行業(yè)之一，從而提出了積極發(fā)展大型現(xiàn)代物流企業(yè)、引導(dǎo)物流市場需求、鼓勵重點領(lǐng)域物流發(fā)展和增加物流基礎(chǔ)設(shè)施建設(shè)，提升物流標準化水平以及信息化程度等未來物流發(fā)展的大方向。

但是，物流業(yè)的發(fā)展與地區(qū)的經(jīng)濟發(fā)展水平是密切相關(guān)的，相關(guān)部門應(yīng)當(dāng)特別重視物流產(chǎn)業(yè)固定資產(chǎn)投資的快速增長，必須使得物流產(chǎn)業(yè)的發(fā)展與物流需求量保持高度的一致和協(xié)調(diào)。故構(gòu)建合理的物流需求預(yù)測模型、并進行定量分析是非常有必要的，從而可以為政府以及企業(yè)發(fā)展物流產(chǎn)業(yè)提供科學(xué)的可靠的決策依據(jù)。

二、 物流需求指標選擇

南開大學(xué)的李莉和張建華運用GDP、物流增加值和物流成本等指標，以天津市為研究對象，調(diào)研了一些物流數(shù)據(jù)進行研究，分別對宏觀物流成本和物流增加值這兩個指標占GDP比重進行分析發(fā)現(xiàn)，物流業(yè)的發(fā)展與國民經(jīng)濟整體水平兩者之間存在著一定的相關(guān)性。

以我國物流業(yè)發(fā)展的需求為起點，長安大學(xué)的孫啟鵬和丁海鷹從這三方面可以定量描述物流量：第一，定量描述物流需求與經(jīng)濟發(fā)展水平之間的關(guān)系；第二，定量描述物流作業(yè)內(nèi)容；第三，定量描述物流本源需求的規(guī)模。

西南交通大學(xué)的周泰和王亞玲等對經(jīng)濟、社會、科技和環(huán)境方面進行分析。選取了反映GDP與產(chǎn)業(yè)結(jié)構(gòu)方面的指標，包括區(qū)域國內(nèi)生產(chǎn)總值、區(qū)域人均國內(nèi)生產(chǎn)總值、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值等；建立了系統(tǒng)的區(qū)域物流需求預(yù)測影響因素指標體系。

林榮天、陳聯(lián)誠和李紹靜等分析了影響區(qū)域物流需求量的宏觀方面的因素，包括區(qū)域經(jīng)濟規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟空間布局等指標。他們認為區(qū)域經(jīng)濟整體發(fā)展?fàn)顩r是決定區(qū)域物流需求的主要因素：對物流的需求功能、層次及結(jié)構(gòu)等有著重大影響的因素是產(chǎn)業(yè)結(jié)構(gòu)：區(qū)域內(nèi)的貿(mào)易和人均收入等也會影響物流需求。

劉曉峰和高麗梅采用了貨運量、GDP、外貿(mào)進出口額和社會消費品零售額等指標，利用了灰色模型和神經(jīng)網(wǎng)絡(luò)模型預(yù)測了公路貨運量，取得了較好的預(yù)測效果。

黃永福使用重慶市9年的相關(guān)數(shù)據(jù)包括2000年～2008年的GDP、第一產(chǎn)業(yè)生產(chǎn)總值、第二產(chǎn)業(yè)生產(chǎn)總值、第三產(chǎn)業(yè)生產(chǎn)總值以及固定資產(chǎn)投資總額等當(dāng)做預(yù)測參數(shù)，預(yù)測了重慶市2010年、2012年、2015年的公路、水路、鐵路和航空的貨運量。

趙慶波和安立仁以貨運量衡量物流需求量，運用灰色關(guān)聯(lián)度分析方法，利用1996年～2009年陜西省物流數(shù)據(jù)對陜西省未來物流需求量進行了較為準確的預(yù)測。

綜合物流需求預(yù)測的研究，可以看出在選擇預(yù)測對象和預(yù)測指標方面，學(xué)術(shù)界還沒有形成統(tǒng)一的看法?？偟膩砜?，物流需求包括質(zhì)（物流時間、物流成本、物流效率等）和量即物流需求規(guī)模等兩個方面。許多研究者對貨運量、物流成本占GDP的比例和社會物流總費用這三個指標，進行三選一來表示物流需求規(guī)模。而對于區(qū)域社會物流總費用、物流成本的有關(guān)數(shù)據(jù)查找相當(dāng)困難，所以論文就利用貨運量來衡量區(qū)域物流需求規(guī)模。

許多的研究人員認為，區(qū)域物流影響因素與物流需求之間存在著的映射關(guān)系，它對區(qū)域物流需求的增長或減少有很大的影響關(guān)系，因此利用區(qū)域物流影響因素來預(yù)測區(qū)域物流需求。區(qū)域物流影響因素指標體系總結(jié)如下：

（1）經(jīng)濟因素指標。由于物流需求的內(nèi)在的決定因素是區(qū)域的社會經(jīng)濟發(fā)展水平，因此這類指標有：GDP、區(qū)域內(nèi)外經(jīng)濟貿(mào)易、固定資產(chǎn)投資、社會消費品總額、各產(chǎn)業(yè)總值和價格指數(shù)等。

（2）行業(yè)因素指標。良好充足的物流硬件設(shè)施以及便捷周到的物流服務(wù)可以刺激區(qū)域物流需求的增長。所以這類指標可以包括：物流業(yè)基礎(chǔ)設(shè)施、貨運量和貨運周轉(zhuǎn)量以及物流業(yè)從業(yè)人員等。

（3）環(huán)境因素指標。一個區(qū)域的科技發(fā)展和經(jīng)濟方面的政策可以使得該地區(qū)的經(jīng)濟效率和經(jīng)濟結(jié)構(gòu)得到很快的變化，因而能夠?qū)ξ锪餍枨螽a(chǎn)生間接影響。這些指標涉及到科技活動經(jīng)費支出、經(jīng)濟政策和科技成果等。

（4）其它因素指標。地理位置和自然資源狀況的差異對區(qū)域物流發(fā)展的影響也會有所不同，因此區(qū)域物流需求的影響因素還包括地理位置和自然資源狀況等。包括以下指標即：地理位置、自然資源狀況和人口狀況等。

以上的指標體系固然比較全面具體，但是有些指標難以量化或不易查找。因此在實際的預(yù)測研究中，考慮到統(tǒng)計數(shù)據(jù)是否可以獲得和地區(qū)統(tǒng)計數(shù)據(jù)的口徑，通常情況下是在下面的指標中進行選?。篏DP、社會消費品零售總額、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、商品零售價格指數(shù)、公路通車里程、鐵路營業(yè)里程、全社會固定資產(chǎn)投資額、原煤產(chǎn)量、貨物周轉(zhuǎn)量、進出口總額、物流業(yè)從業(yè)人數(shù)、科技經(jīng)費支出、人口總數(shù)等相關(guān)指標。

三、 基于支持向量機的城市物流需求預(yù)測模型

支持向量機簡稱為SVM，是在統(tǒng)計學(xué)習(xí)理論的基礎(chǔ)上，根據(jù)結(jié)構(gòu)風(fēng)險最小化原理建立起來的，其核心思想是學(xué)習(xí)機器要與有限的訓(xùn)練樣本相適應(yīng)，是一種能相對比較好地解決非線性、小樣本、高維數(shù)以及局部極小值等分類問題的方法，目前已經(jīng)成功地應(yīng)用于模式分類、函數(shù)逼近和時間序列預(yù)測等方面的研究。支持向量機方法的優(yōu)勢可以總結(jié)為以下幾點：第一，該方法是通過有限樣本進行學(xué)習(xí)從而實現(xiàn)結(jié)構(gòu)風(fēng)險最小化的學(xué)習(xí)機器；第二，它得到的是全局最優(yōu)解，解決了局部極值問題；第三，該方法能夠把問題通過非線性變換映射到特征空間，從而建立線性決策函數(shù)，以得到原來空間中的非線性決策函數(shù)，不但解決了維數(shù)問題，同時保證了公認的推廣能力，而且樣本維數(shù)對其算法復(fù)雜度無影響。

目前， SVM算法在效率與精度上已經(jīng)遠遠超過了傳統(tǒng)的學(xué)習(xí)算法。

假設(shè)在給定的K個樣本數(shù)據(jù)集中，{（xi，yi），i=1，2，…，n}，n 表示樣本數(shù)目，根據(jù)支持向量機原理，就可以找到以下的表達式：

這里面，ω 代表權(quán)值向量，b 代表偏置量。

一般來講，支持向量機預(yù)測會使用平方誤差以及絕對值誤差當(dāng)做損失函數(shù)，論文使用ε不敏感損失函數(shù)（ε-insensitive cost function），由此支持向量機對訓(xùn)練集采用交叉驗證展開建模。ε為：

為了讓支持向量機在訓(xùn)練集上得到更好的泛化推廣能力，不但需要最小化經(jīng)驗風(fēng)險，而且還需盡可能地使預(yù)測模型的復(fù)雜度降低，所以，支持向量機預(yù)測的過程就是對以下問題的優(yōu)化求解的過程：

由于本論文的支持向量機模型使用徑向基核函數(shù)，故參數(shù)δ和C對支持向量機的預(yù)測性能有直接影響。優(yōu)化支持向量的物流需求預(yù)測流程如圖 1 所示。

四、 實證研究

河南省焦作市在地理位置上具有承東啟西、溝南通北的樞紐地位，地處我國南北交匯點，東西結(jié)合部。目前，焦作市已形成了以能源、機械、化工、冶金、建材工業(yè)為主，食品、輕紡、醫(yī)藥等工業(yè)部門綜合發(fā)展的工業(yè)行業(yè)結(jié)構(gòu)，該市各項經(jīng)濟指標居于河南省同行業(yè)前列，是全國44個重點化工城市之一。本論文將焦作市1996年～2010年間統(tǒng)計數(shù)據(jù)資料作為實證研究對象，建立支持向量機預(yù)測模型，對焦作市物流需求進行預(yù)測。

本文以城市公路貨運量指標來量度焦作市物流需求規(guī)模，在以往研究的基礎(chǔ)上，建立城市物流需求預(yù)測指標體系，如表1所示。

將1996～2010年焦作市公路貨運需求量序列建模，在MATLAB軟件運行下，獲得一些結(jié)果。如圖2～圖4示。

從上面的運行結(jié)果可以看出，當(dāng)參數(shù)C=256，g=0.035 897 時，離差平方和最小為0.002 859 5，能夠得到理想的擬合結(jié)果。

從訓(xùn)練樣本的預(yù)測結(jié)果可知，本文預(yù)測模型擬合結(jié)果最好，模型性能最優(yōu)，可以用于對測試集的預(yù)測。

根據(jù)焦作市2011年的有關(guān)指標數(shù)據(jù)，利用以上建立的支持向量機模型，可以預(yù)測2011年的焦作市城市公路貨運量為17 179.26萬噸， 實際上2011年的焦作市城市公路貨運量為17 368.97 萬噸。

根據(jù)以上的研究結(jié)果進行對比可知，本論文構(gòu)建的支持向量機模型的預(yù)測值和實際值比較接近，說明了構(gòu)建的物流需求預(yù)測模型所運行的預(yù)測結(jié)果能夠比較準確地體現(xiàn)市場需求的變化趨向，具有較好的實用價值，因此說該模型是一種比較有效的適用的物流需求預(yù)測方法。

五、 結(jié)論與展望

我國的物流業(yè)面臨史無前例的挑戰(zhàn)，假如對需求估計不充分，物流企業(yè)將會失去很多盈利的機會；但如果對需求估計過于夸大，又會因為過多的投入從而造成物流企業(yè)資金的濫用與緊缺。故對物流需求進行科學(xué)預(yù)測具有重要的理論價值和實踐意義。

論文利用焦作市1996年～2010年間統(tǒng)計數(shù)據(jù)資料作為實證研究對象，建立城市物流的支持向量機預(yù)測模型，預(yù)測結(jié)果表明該模型具有較好的擬合，實現(xiàn)了支持向量機分析方法在物流需求預(yù)測中的應(yīng)用。本文對物流需求主要影響因素的預(yù)測是根據(jù)實際數(shù)據(jù)進行的，忽略了影響因素隨其他因素影響的變化而變化，例如對GDP和外貿(mào)總額等指標的預(yù)測，由于2008年的金融危機，2009年的增長幅度或許受到較大的影響，因此預(yù)測誤差可能會很大。本論文主要考慮的是對物流需求影響較大的影響因素，同時又能夠量化的經(jīng)濟因素，而對影響因素的交叉作用也沒有過多的考慮。

參考文獻：

1. 孫啟鵬，丁海鷹.區(qū)域物流需求量預(yù)測理論及模型構(gòu)建.物流技術(shù)，2004，（10）：27-30.

2. 周泰，王亞玲.基于多因素分析的區(qū)域物流需求徑向基函數(shù)網(wǎng)絡(luò)預(yù)測.商業(yè)研究，2009，（9）：163-166.

3. 林榮天，陳聯(lián)誠，李紹靜，黃灝然.基于灰色神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測.價值工程，2007，（2）：92-96.

4. 劉曉鋒，高麗梅.基于有效度的公路貨運量預(yù)測.天津工程師范學(xué)院學(xué)報，2008，18（3）：17-20.

5. 黃永福.重慶市物流需求預(yù)測方法及應(yīng)用研究. 碩士學(xué)位論文，2009，（12）.

6. 吳潔明.物流需求預(yù)測算法的仿真研究.計算機仿真，2011，（9）：246-249.

作者簡介：呂淑麗，河南理工大學(xué)經(jīng)濟管理學(xué)院副教授、碩士生導(dǎo)師，東華大學(xué)管理學(xué)博士。

收稿日期：2013-09-27。