欒世奇

摘 要：BP-神經(jīng)網(wǎng)絡(luò)技術(shù)能實(shí)現(xiàn)100%高精度擬合，但目前，BP-神經(jīng)網(wǎng)絡(luò)技術(shù)在物流效率評(píng)價(jià)上的應(yīng)用較少。通過(guò)分析物流效率的影響因素，確定物流業(yè)的投入與產(chǎn)出指標(biāo)，建立基于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的物流產(chǎn)業(yè)GDP預(yù)測(cè)模型。結(jié)合西安市2003—2010年的物流投入產(chǎn)出數(shù)據(jù)，新模型的預(yù)測(cè)精度高達(dá)99.9%?；贐P-神經(jīng)網(wǎng)絡(luò)的物流產(chǎn)業(yè)GDP預(yù)測(cè)模型對(duì)貨運(yùn)量、物流產(chǎn)業(yè)GDP及貨物周轉(zhuǎn)量進(jìn)行預(yù)測(cè)，以期為城市物流效率的衡量提供合理的測(cè)評(píng)方法，為城市流體系建設(shè)及物流資源整合提供決策參考。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);物流效率;物流產(chǎn)業(yè)GDP;預(yù)測(cè)

中圖分類號(hào)：F252 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號(hào)：1673-291X（2019）06-0029-03

一、物流效率研究現(xiàn)狀

目前已有很多學(xué)者從事城市物流的研究，尤其是城市貨物運(yùn)輸方面，Knemeyer提出物流業(yè)效率與顧客之間的溝通、顧客對(duì)企業(yè)的信任是有關(guān)聯(lián)關(guān)系的[1]。Lai從FFD、VAL和TEL三個(gè)方面，對(duì)物流企業(yè)的服務(wù)能力及績(jī)效進(jìn)行了對(duì)比分析[1]。陶經(jīng)輝從企業(yè)層面基于DEA方法，對(duì)年貨物處理能力進(jìn)行了分析[2]。賀竹磬從省級(jí)層面并利用DEA方法，對(duì)貨運(yùn)量、貨運(yùn)周轉(zhuǎn)量、物流產(chǎn)值進(jìn)行了分析[3]?；萦袢貜男袠I(yè)層面，利用DEA方法研究物流業(yè)產(chǎn)值、貨運(yùn)量及周轉(zhuǎn)量變化特征[4]。許多學(xué)者從績(jī)效、成本、產(chǎn)值等方面分區(qū)域、分產(chǎn)業(yè)、分企業(yè)對(duì)物流企業(yè)效率進(jìn)行了研究[5～9]。劉滿芝提出城市物流定量評(píng)價(jià)，并在此基礎(chǔ)上提出了城市物流效率的模型和方法[10]。我國(guó)物流業(yè)20世紀(jì)80年代后期才開(kāi)始快速發(fā)展，起步比較晚，因此對(duì)物流效率指標(biāo)選擇以及內(nèi)容的研究還缺乏先進(jìn)性與系統(tǒng)性。評(píng)價(jià)模型大多采用C2R-DEA或BBC-DEA等傳統(tǒng)模型，對(duì)于貨運(yùn)量及周轉(zhuǎn)量定量預(yù)測(cè)方法較少。本文旨在研究BP-神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)，率先建立合適的物流效率網(wǎng)絡(luò)輸入輸出模型，基于歷史數(shù)據(jù)進(jìn)行權(quán)值訓(xùn)練，對(duì)貨運(yùn)量、物流產(chǎn)業(yè)GDP及貨物周轉(zhuǎn)量進(jìn)行預(yù)測(cè)。

二、BP-神經(jīng)網(wǎng)絡(luò)算法

1.物流效率評(píng)價(jià)中的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。物流效率評(píng)價(jià)中的BP神經(jīng)網(wǎng)絡(luò)通常包含一、二、三層（如下頁(yè)圖1所示）。

其中，第一層為輸入層，第二層為隱含層，第三層為輸出層。xj為第一層第節(jié)點(diǎn)j的輸入，j=1，2，…，M，M為正整數(shù);wi，j為第二層節(jié)點(diǎn)i到第一層節(jié)點(diǎn)j之間的權(quán)值;？茲i為第二層節(jié)點(diǎn)i的閾值;？準(zhǔn)為第二層功能函數(shù);vk，j為第三層節(jié)點(diǎn)k到第二層節(jié)點(diǎn)i之間的權(quán)值，i=1，2，…，q，q取正整數(shù)[11]。

2.BP神經(jīng)網(wǎng)絡(luò)計(jì)算過(guò)程。具體計(jì)算步驟如下：

從基于物流效率評(píng)價(jià)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)第一層開(kāi)始計(jì)算，結(jié)合最速梯度下降理論，計(jì)算相關(guān)節(jié)點(diǎn)處的值及閾值，讓經(jīng)過(guò)訓(xùn)練后模擬結(jié)果能夠與實(shí)際期望值盡可能的接近，從而實(shí)現(xiàn)新的數(shù)據(jù)條件下的物流效率評(píng)價(jià)預(yù)測(cè)。

三、基于神經(jīng)網(wǎng)絡(luò)的物流效率評(píng)價(jià)

結(jié)合實(shí)際情況，選擇物流投入與產(chǎn)出指標(biāo)（如下頁(yè)表1所示）。

基于物流業(yè)的投入與產(chǎn)出指標(biāo)，建立輸入輸出BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。其一，建立輸入層指標(biāo)x1、x2、x3、Y2、Y3（或以投入指標(biāo)X1、X2、X3進(jìn)行訓(xùn)練）;其二，建立輸出層指標(biāo)Y1（或以產(chǎn)出指標(biāo)作為輸出進(jìn)行多輸出預(yù)測(cè)）;其三，引入數(shù)據(jù)標(biāo)準(zhǔn)化統(tǒng)計(jì)模型，將輸入指標(biāo)進(jìn)行歸一化處理，建立歸一化數(shù)據(jù)輸入;其四，按照隱含層神經(jīng)元計(jì)算規(guī)則，形成網(wǎng)絡(luò)結(jié)構(gòu)圖（見(jiàn)下頁(yè)圖2）;其五，設(shè)定網(wǎng)絡(luò)參數(shù)，開(kāi)展網(wǎng)絡(luò)訓(xùn)練，確定基于物流業(yè)投入與產(chǎn)出歷史數(shù)據(jù)的權(quán)值;其六，開(kāi)展基于網(wǎng)絡(luò)訓(xùn)練的物流產(chǎn)業(yè)GDP預(yù)測(cè)。

四、實(shí)證結(jié)果分析

選擇某市2003—2010年的物流投入產(chǎn)出數(shù)據(jù)（如表2所示）。

1.建立基于物流投入—產(chǎn)出的BP神經(jīng)網(wǎng)絡(luò)模型（見(jiàn)圖2）。

2.設(shè)置訓(xùn)練參數(shù)。歸一化處理后GDP預(yù)測(cè)值為（0.51621， 0.55348，0.65129，0.74367，0.83886，0.90901，0.95538，0.99735），歸一化處理后GDP實(shí)際值為（0.5161，0.5536，0.6513，0.7437， 0.8388，0.9093，0.9547，1）。因而，可以利用該網(wǎng)絡(luò)模型實(shí)現(xiàn)99.9%以上的高精度物流GDP單變量預(yù)測(cè)。利用sim函數(shù)還能對(duì)不同輸入值條件進(jìn)行預(yù)測(cè)，這為物流資源有效整合奠定了強(qiáng)有力的理論基礎(chǔ)與技術(shù)支持。

五、結(jié)語(yǔ)

首先，物流業(yè)的投入與產(chǎn)出指標(biāo)、從業(yè)人員指標(biāo)、投資總額指標(biāo)、線路運(yùn)輸長(zhǎng)度與產(chǎn)出指標(biāo)、物流業(yè)GDP、貨運(yùn)量、貨物周轉(zhuǎn)量能建立多輸入單輸出及多輸入多輸出網(wǎng)絡(luò)結(jié)構(gòu);其次，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)適用于物流效率評(píng)價(jià)，基于BP神經(jīng)網(wǎng)絡(luò)的物流產(chǎn)業(yè)GDP模型預(yù)測(cè)精度大于99.9%;最后，高精度投入、產(chǎn)出指標(biāo)網(wǎng)絡(luò)預(yù)測(cè)為城市流體系建設(shè)及物流資源整合提供決策參考。

參考文獻(xiàn)：

[1] ?肖丹.低碳經(jīng)濟(jì)下城市物流效率評(píng)價(jià)研究[D].江門：五邑大學(xué)，2012.

[2] ?陶經(jīng)輝.數(shù)據(jù)包絡(luò)分析在物流園區(qū)規(guī)劃方案評(píng)價(jià)中的應(yīng)用[J].公路交通科技，2005，（2）：139-141.

[3] ?賀竹磬.我國(guó)區(qū)域物流相對(duì)有效性分析[J].科研管理，2006，（6）：145-148.

[4] ?惠玉蓉.基于數(shù)據(jù)包絡(luò)分析（DEA）的物流業(yè)可持續(xù)發(fā)展有效性評(píng)價(jià)[J].北京交通大學(xué)學(xué)報(bào)，2008，（3）：67-68.

[5] ?陳秀山，張可云.區(qū)域經(jīng)濟(jì)理論[M].北京：商務(wù)印書(shū)館，2003：140.

[6] ?田宇.物流效率評(píng)價(jià)方法研究[J].物流科技，2000，（2）：15-19.

[7] ?魏權(quán)齡.評(píng)價(jià)相對(duì)有效性的DEA方法——運(yùn)籌學(xué)的新領(lǐng)域[M].北京：中國(guó)人民大學(xué)出版社，1988.

[8] ?張竟軼，張竟成.基于三階段DEA模型的我國(guó)物流效率綜合研究[J].管理世界，2016，（8）.

[9] ?湯志遠(yuǎn).基于PCA-DEA模型的在線視頻網(wǎng)站效率評(píng)價(jià)[J].經(jīng)營(yíng)與管理，2017，（5）.

[10] ?劉滿芝.基于DEA的城市物流效率評(píng)價(jià)模型及實(shí)證[J].決策參考，2009，（6）：50-53.

[11] ?盧志宏.基于BP神經(jīng)網(wǎng)絡(luò)的荒漠嚙齒動(dòng)物群落對(duì)氣候變化滯后響應(yīng)[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2016.

[12] ?王琴梅，譚翠娥.對(duì)西安市物流效率及其影響因素的實(shí)證研究——基于DEA模型和Tobit回歸模型的分析[J].軟科學(xué)，2013，（5）：70-74.

[13] ?高慕瑾.基于DEA的陜西省物流業(yè)效率研究[D].咸陽(yáng)：西北農(nóng)林科技大學(xué)，2012.

[責(zé)任編輯 劉嬌嬌]