夏彩云

（西安鐵路職業(yè)技術(shù)學(xué)院，西安 710064）

引言

隨著“互聯(lián)網(wǎng)+”的興起，西部物流業(yè)的發(fā)展呈現(xiàn)出前所未有的高速增長(zhǎng)態(tài)勢(shì)，陜西省作為西部大開(kāi)發(fā)的龍頭，近幾年物流基礎(chǔ)設(shè)施建設(shè)發(fā)展迅速，加上國(guó)際港務(wù)區(qū)的高效運(yùn)營(yíng)，商業(yè)配送、多式聯(lián)運(yùn)、社會(huì)化儲(chǔ)運(yùn)服務(wù)等多種形式的物流服務(wù)模式集聚出現(xiàn)，各種專業(yè)物流企業(yè)群應(yīng)運(yùn)而生，物流產(chǎn)業(yè)成為陜西區(qū)域經(jīng)濟(jì)發(fā)展的重要經(jīng)濟(jì)增長(zhǎng)點(diǎn)。而對(duì)區(qū)域物流的需求能否實(shí)現(xiàn)合理的預(yù)測(cè)是決定能否有效實(shí)現(xiàn)資源配置、提升物流效率的關(guān)鍵。物流需求的預(yù)測(cè)基礎(chǔ)在于大數(shù)據(jù)時(shí)代下數(shù)據(jù)分析的信息技術(shù)，充分發(fā)揮大數(shù)據(jù)給物流企業(yè)帶來(lái)的發(fā)展優(yōu)勢(shì)。鑒于此，本文提出一種有效的預(yù)測(cè)方法對(duì)陜西區(qū)域物流需求量進(jìn)行合理預(yù)測(cè)，為經(jīng)濟(jì)發(fā)展決策提供重要的參考。

一、物流需求量預(yù)測(cè)的思路

區(qū)域物流需求是由當(dāng)?shù)亟?jīng)濟(jì)發(fā)展派生而來(lái)，區(qū)域經(jīng)濟(jì)的發(fā)展水平是產(chǎn)生區(qū)域物流需求的內(nèi)在決定性因素[1]。從經(jīng)濟(jì)發(fā)展的角度，尋求利用區(qū)域經(jīng)濟(jì)指標(biāo)，來(lái)預(yù)測(cè)物流需求具有較強(qiáng)的可行性。因此，根據(jù)經(jīng)濟(jì)發(fā)展和物流發(fā)展的相關(guān)關(guān)系，可以選擇和建立影響物流需求的經(jīng)濟(jì)指標(biāo)體系。由于經(jīng)濟(jì)發(fā)展與物流需求之間的轉(zhuǎn)換關(guān)系不是一一對(duì)應(yīng)，而是錯(cuò)綜復(fù)雜，本質(zhì)上可以理解為是一種多元非線性關(guān)系，利用簡(jiǎn)單的函數(shù)模型和傳統(tǒng)的預(yù)測(cè)方法進(jìn)行二者之間的轉(zhuǎn)換非常難以實(shí)現(xiàn)。加上物流需求的發(fā)展具有跳躍性，物流需求支撐的歷史數(shù)據(jù)短缺，因此預(yù)測(cè)方法的選擇直接決定了物流需求量預(yù)測(cè)的準(zhǔn)確性，也直接影響決策的正確性。BP神經(jīng)網(wǎng)絡(luò)是1943年創(chuàng)立的，是具有動(dòng)物神經(jīng)網(wǎng)絡(luò)功能特性的數(shù)學(xué)模型，可以進(jìn)行信息處理，并具有自學(xué)習(xí)和自適應(yīng)性，主要通過(guò)調(diào)節(jié)系統(tǒng)內(nèi)部節(jié)點(diǎn)之間復(fù)雜的連接關(guān)系，實(shí)現(xiàn)處理信息的目的。同時(shí)，該模型具有良好的曲線擬合能力、抗干擾和學(xué)習(xí)能力，因此選用BP進(jìn)行預(yù)測(cè)是一種有效的方法。

BP神經(jīng)網(wǎng)絡(luò)算法是根據(jù)實(shí)際輸出值與期望輸出值之間的誤差，對(duì)網(wǎng)絡(luò)進(jìn)行由后向前逐步修正的一種誤差逆?zhèn)鞑ニ惴?。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包含輸入層、一個(gè)或多個(gè)隱含層和輸出層，其傳播活動(dòng)包含正向的信息傳播，即輸入層神經(jīng)元將接收到的外界信息傳遞到中間層神經(jīng)元，中間層神經(jīng)元進(jìn)行信息的處理與變換，通過(guò)隱含層將信息傳遞到輸出層，完成正向信息傳播處理過(guò)程，外界得到信息處理結(jié)果。另一個(gè)活動(dòng)過(guò)程是逆向的誤差傳播，即當(dāng)網(wǎng)絡(luò)系統(tǒng)的實(shí)際輸出與期望輸出存在較大誤差時(shí)，進(jìn)入反向傳播階段，誤差通過(guò)輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱含層、輸入層逐層反向傳遞，以此反復(fù)循環(huán)不斷修正各層權(quán)值，最終實(shí)現(xiàn)可接受的誤差[2]。

二、基于BP網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測(cè)模型構(gòu)建

1.指標(biāo)的分析與選取。影響區(qū)域物流需求的因素多而泛，但經(jīng)濟(jì)發(fā)展是物流需求產(chǎn)生的直接原因，因此，本文主要通過(guò)經(jīng)濟(jì)指標(biāo)來(lái)對(duì)物流需求做出預(yù)測(cè)。結(jié)合陜西省的經(jīng)濟(jì)發(fā)展情況，經(jīng)濟(jì)指標(biāo)與物流需求之間的關(guān)系為：（1）區(qū)域經(jīng)濟(jì)發(fā)展規(guī)模對(duì)物流需求有著明顯的影響。當(dāng)經(jīng)濟(jì)發(fā)展水平較高時(shí)，物流需求水平也相對(duì)較高，當(dāng)經(jīng)濟(jì)發(fā)展水平較低時(shí)，物流需求水平也較低。（2）產(chǎn)業(yè)結(jié)構(gòu)對(duì)物流需求的影響較大。研究表明，隨著產(chǎn)業(yè)結(jié)構(gòu)從第一產(chǎn)業(yè)向第三產(chǎn)業(yè)轉(zhuǎn)變，物流需求開(kāi)始向?qū)I(yè)化、綜合化的需求方向轉(zhuǎn)變，對(duì)運(yùn)輸、倉(cāng)儲(chǔ)、包裝、流通加工等物流服務(wù)需求也大大增加。（3）區(qū)域經(jīng)濟(jì)的發(fā)展離不開(kāi)對(duì)固定資產(chǎn)的投入，而加大對(duì)陜西省固定資產(chǎn)的投資力度，必定會(huì)增加對(duì)交通基礎(chǔ)設(shè)施等的投資，從而推動(dòng)物流產(chǎn)業(yè)的快速發(fā)展，增加對(duì)物流的需求量。（4）城市的對(duì)外貿(mào)易會(huì)對(duì)區(qū)域經(jīng)濟(jì)發(fā)展影響重大。對(duì)外貿(mào)易的增長(zhǎng)要求城市加大對(duì)交通基礎(chǔ)設(shè)施的建設(shè)，這樣就會(huì)促進(jìn)商品的快速流通，優(yōu)化資源配置，增加對(duì)區(qū)域物流的需求。（5）區(qū)域社會(huì)消費(fèi)品零售總額直接反映了城市圈居民對(duì)消費(fèi)商品的需求規(guī)模，也間接反映了區(qū)域物流需求的規(guī)模。高漲的社會(huì)消費(fèi)品零售總額帶動(dòng)了各類交通運(yùn)輸?shù)陌l(fā)展，反映了城市圈中物質(zhì)資料配送量的多少，所以社會(huì)消費(fèi)品零售總額也是影響區(qū)域經(jīng)濟(jì)物流需求的因素之一[3]。

通過(guò)以上分析，本文選擇以上5個(gè)指標(biāo)作為陜西省區(qū)域物流需求規(guī)模預(yù)測(cè)的經(jīng)濟(jì)指標(biāo)。而對(duì)于物流需求指標(biāo)，因?yàn)槲锪鳝h(huán)節(jié)較多、比較分散，因此目前沒(méi)有統(tǒng)一的使用定論。但在各個(gè)物流運(yùn)作環(huán)節(jié)中，運(yùn)輸貫穿物流活動(dòng)的始終，是物流過(guò)程中實(shí)現(xiàn)位移的必備環(huán)節(jié)。本著可操作性的原則，因此本文認(rèn)為貨運(yùn)量可以近似反映出物流需求的規(guī)模[4]。

2.BP預(yù)測(cè)模型的構(gòu)建。本文預(yù)測(cè)模型采用經(jīng)典的三層BP結(jié)構(gòu)，即輸入層、一個(gè)隱含層及輸出層組成。輸入層的節(jié)點(diǎn)數(shù)等于預(yù)測(cè)物流需求量的經(jīng)濟(jì)變量的數(shù)目7，輸出層節(jié)點(diǎn)數(shù)為預(yù)測(cè)的物流需求量的變量個(gè)數(shù)1，隱含層神經(jīng)元根據(jù)k-means算法確定為5個(gè)，建立7-5-1BP神經(jīng)網(wǎng)絡(luò)模型[5]。

三、模型應(yīng)用及算例分析

本文選取陜西省1999—2016年經(jīng)濟(jì)發(fā)展的基本數(shù)據(jù)，對(duì)該區(qū)域的物流需求做預(yù)測(cè)。數(shù)據(jù)來(lái)源于《陜西省統(tǒng)計(jì)年鑒（2000—2016年）》和2016年陜西省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)。各變量原始數(shù)據(jù)（如表1所示）。

表1 陜西省2000—2016年基本經(jīng)濟(jì)數(shù)據(jù)統(tǒng)計(jì)表

結(jié)合模型特征，首先進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化處理。由于數(shù)據(jù)存在不同的量綱，為方便計(jì)算，對(duì)表格中數(shù)據(jù)利用premnmx函數(shù)進(jìn)行歸一化處理，取值范圍在0—1。模型實(shí)現(xiàn)過(guò)程中，BP隱含層選取的神經(jīng)元數(shù)目是根據(jù)k-means算法確定，以2000—2011年的經(jīng)濟(jì)指標(biāo)數(shù)據(jù)作為模型輸入，對(duì)應(yīng)的貨運(yùn)量作為模型輸出形成訓(xùn)練樣本，2012—2016年數(shù)值作為預(yù)測(cè)樣本檢驗(yàn)數(shù)據(jù)，學(xué)習(xí)速度設(shè)為0.05，1 000輪回顯示一次結(jié)果，最大訓(xùn)練輪回為50 000次，均方誤差MSE等于0.065×10-2。采用梯度下降法進(jìn)行訓(xùn)練，迭代521次達(dá)到最優(yōu)，訓(xùn)練結(jié)束。其他參數(shù)參照MATLAB神經(jīng)網(wǎng)絡(luò)工具箱，從而達(dá)到模型實(shí)現(xiàn)，訓(xùn)練結(jié)果（如下圖所示）。經(jīng)過(guò)反復(fù)的逆向誤差的傳播修正，得出表2的預(yù)測(cè)樣本數(shù)據(jù)。

BP網(wǎng)絡(luò)模型訓(xùn)練結(jié)果圖

表2 2012—2016年貨運(yùn)量預(yù)測(cè)樣本數(shù)值與實(shí)際值的誤差對(duì)比

從運(yùn)算結(jié)果來(lái)看，BP神經(jīng)預(yù)測(cè)值與實(shí)際值大體接近，平均相對(duì)誤差為5.86%，最大相對(duì)誤差為9.36%，可以定量反映陜西區(qū)域物流需求量的變化趨勢(shì)。

結(jié)語(yǔ)

實(shí)例表明，從訓(xùn)練、檢測(cè)、預(yù)測(cè)各個(gè)流程來(lái)看，BP神經(jīng)網(wǎng)絡(luò)作為分析預(yù)測(cè)的一種工具，為大數(shù)據(jù)時(shí)代物流需求的預(yù)測(cè)提供了一種有效、精確的方法，在物流規(guī)劃和物流戰(zhàn)略研究中有著重要的意義。從以上預(yù)測(cè)來(lái)看，陜西區(qū)域物流總需求量將呈現(xiàn)良好的增長(zhǎng)勢(shì)頭，陜西應(yīng)該把握當(dāng)前物流發(fā)展的良好勢(shì)頭，積極投入物流領(lǐng)域的基礎(chǔ)設(shè)施建設(shè)，滿足市場(chǎng)對(duì)物流發(fā)展的需求，通過(guò)物流業(yè)的有序發(fā)展帶動(dòng)一方經(jīng)濟(jì)的發(fā)展。但由于物流的發(fā)展具有跳躍性，獲取的信息數(shù)據(jù)相對(duì)有限，預(yù)測(cè)結(jié)果可能會(huì)與未來(lái)的實(shí)際結(jié)果發(fā)生一定的偏離。因此，物流預(yù)測(cè)和決策應(yīng)該是動(dòng)態(tài)性的。

參考文獻(xiàn)：

[1]耿勇，鞠頌東，陳婭娜.基于BP神經(jīng)網(wǎng)絡(luò)的物流需求分析與預(yù)測(cè)[J].分析與決策，2007，(7).

[2]鄭培，黎建強(qiáng).基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈績(jī)效評(píng)價(jià)方法[J].運(yùn)籌與管理，2010，(4)．

[3]高婷.城市圈物流需求的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[D].武漢：武漢理工大學(xué)，2009.

[4]文培娜.張志勇.基于BP神經(jīng)網(wǎng)絡(luò)的北京物流需求預(yù)測(cè)及分析[J].物流技術(shù)，2009，(6).

[5]周開(kāi)利，康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M].北京：清華大學(xué)出版社，2005.