李 晗，吳珍珍，張雪雪

（北京物資學院，北京 101149）

0 引言

物流需求預測是指在物流活動中，根據(jù)過去和現(xiàn)在的需求狀況，利用科學方法，根據(jù)影響物流系統(tǒng)需求變化因素之間的關系以及統(tǒng)計資料，對反映市場需求指標的變化與發(fā)展趨勢進行預測，并得出未來的物流需求狀況。在市場瞬息萬變、科學技術高度發(fā)達、產(chǎn)品日新月異的現(xiàn)代經(jīng)濟社會中，借助定量分析的手段，結合北京市城市物流現(xiàn)狀，借鑒國外的成功發(fā)展經(jīng)驗，對物流需求進行預測，得出物流需求總量及變化規(guī)律，為物流系統(tǒng)規(guī)劃提供合理依據(jù)。

1 北京市物流需求預測模型構建

北京市物流需求受許多因素的影響，因素間關系復雜。因此，在進行預測時不能根據(jù)歷史數(shù)據(jù)做簡單的數(shù)據(jù)趨勢外推，既要從數(shù)據(jù)自身的發(fā)展規(guī)律出發(fā)，又要考慮各個外部因素的影響，采用基于時間序列的趨勢變化預測和考慮客觀實際的外部多因素的因果關系分析預測方法進行組合，更能體現(xiàn)預測結果的準確性[1]。北京市聯(lián)動京津冀等多區(qū)域，預測模型的指標受多方面影響，且數(shù)據(jù)的非線性規(guī)律明顯，在因果關系分析的方法選擇上，選取擅長處理多因素非線性問題的BP 神經(jīng)網(wǎng)絡模型預測。我國在數(shù)據(jù)統(tǒng)計方面較發(fā)達國家有一定差距，專門關于物流的統(tǒng)計數(shù)據(jù)匱乏，統(tǒng)計電算化程度普及晚，導致沒有大量的歷史統(tǒng)計數(shù)據(jù)做支撐，在時間序列分析方法上選擇灰色預測是最佳選擇[2]。

北京市物流需求預測采用構建基于時間序列分析的GM（1,1）模型和基于因果關系分析的BP神經(jīng)網(wǎng)絡的組合預測模型[3]。應用BP 神經(jīng)網(wǎng)絡進行預測時，輸入向量將影響因素指標未來預測值，故需要首先預測各個輸入向量未來的數(shù)值。為減少輸入向量預測值偏差對組合預測可能產(chǎn)生的影響，采用趨勢外推法中二次指數(shù)平滑法得出輸入向量的預測值。本文采用的組合預測模型圖如圖1所示。

圖1 北京市物流需求預測模型圖

組合預測模型中確定合適的權重，使預測效果達到最優(yōu)是預測中非常重要的一個方面[4]。本文選取對單項預測結果賦予不同權重的組合預測方法，這種方法是對等權平均法的改進，利用誤差與權系數(shù)之間的關系，誤差越大，該項預測方法的精度越低，相應地在組合預測模型中的重要程度就越低，因此應賦予誤差大的單項預測方法較小的權數(shù)，賦予誤差小的單項預測方法較大的權數(shù)，分別賦予三個階梯系數(shù)，最終求得不同權重組合預測的范圍區(qū)間。

2 物流需求相關因素分析

物流需求預測的重要步驟之一是分析影響物流需求的主要因素。建立物流需求預測指標體系，從中尋求與物流需求關聯(lián)度較強的影響因素，是建立物流需求預測模型的前提。

結合北京市物流需求預測影響因素的分析，同時考慮北京市統(tǒng)計數(shù)據(jù)，將經(jīng)濟指標、產(chǎn)業(yè)結構指標、物流運輸相關指標作為輸入向量，將貨運量作為輸出向量，建立定量預測的指標集，見表1。

表1 北京市物流需求預測影響因素指標體系

3 北京市物流需求預測實證研究

為檢驗本文所選預測模型的精確性和穩(wěn)定性，對北京市貨運量分別進行BP神經(jīng)網(wǎng)絡模型和GM（1,1）模型的單項預測與組合預測，從而實現(xiàn)物流需求的預測。

3.1 數(shù)據(jù)選取

城市物流需求量的預測與貨運量的預測緊密相關，物流需求量又是貨運量的基礎。本文選取貨運量作為因變量Y，選取北京市物流需求的影響因素GDP（X1）、第一產(chǎn)業(yè)產(chǎn)值（X2）、第二產(chǎn)業(yè)工業(yè)產(chǎn)值（X3）、第二產(chǎn)業(yè)建筑業(yè)產(chǎn)值（X4）、第三產(chǎn)業(yè)產(chǎn)值（X5）、人口規(guī)模（X6）、城鎮(zhèn)居民可支配收入（X7）、固定資產(chǎn)投資總額（X8）、全社會消費品零售總額（X9）、進出口貿(mào)易總額（X10）十個影響因素指標作為自變量進行建模分析。

物流需求具有時間時效性和經(jīng)濟派生性，物流需求預測需要限定到經(jīng)濟環(huán)境、政治環(huán)境相對穩(wěn)定的時間范疇內(nèi)進行，因此選用了近20 年的相關指標數(shù)據(jù)反映物流需求。本文數(shù)據(jù)主要來源于《北京市統(tǒng)計年鑒》和《北京市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》，選取1999-2018年的相關數(shù)據(jù)作為基礎數(shù)據(jù)，由于2014 年起貨運量統(tǒng)計口徑發(fā)生變化，根據(jù)增幅與降幅對數(shù)據(jù)進行了相應調(diào)整，歷史數(shù)據(jù)見表2。

表2 北京市1999-2018年貨運量及相關影響因素匯總表

3.2 數(shù)據(jù)預處理

通過分析影響北京市物流需求的因素可以看出，用于需求預測的預選指標較多，并不是每個都能滿足預測模型的構建原則，若將所有因素指標都納入預測系統(tǒng)，不僅會產(chǎn)生龐大的工作量，還會影響預測結果的準確性。因此，需要對預選指標集進行篩選，選取最有價值的指標進行定量分析?；疑P聯(lián)分析根據(jù)事物的發(fā)展趨勢進行分析，樣本量的多少對其結果沒有很大影響，同時不受典型的分布規(guī)律限制，計算量比較小，本文采用灰色關聯(lián)分析對預測指標進行篩選。

按照灰色關聯(lián)度分析方法進行預測指標篩選是以貨運量作為參考母序列，其余10 個指標作為比較序列。首先對各個數(shù)據(jù)列進行數(shù)據(jù)無量綱化處理，在分辨系數(shù)ρ=0.5 的情況下，計算每個比較序列Xi與參考序列Y的關聯(lián)系數(shù)ξi(1,2,...,10) ，結果見表3。

表3 貨運量和各個指標灰色關聯(lián)度系數(shù)

表3 列出了貨運量與各個指標之間的灰色關聯(lián)度系數(shù)，可以看出10 個指標中與貨運量關聯(lián)更緊密的6個指標分別為：第一產(chǎn)業(yè)產(chǎn)值（X2）、第二產(chǎn)業(yè)工業(yè)產(chǎn)值（X3）、第二產(chǎn)業(yè)建筑業(yè)產(chǎn)值（X4）、人口規(guī)模（X6）、城鎮(zhèn)居民可支配收入（X7）、固定資產(chǎn)投資總額（X8）。最終選擇這6個指標作為BP神經(jīng)網(wǎng)絡的輸入向量預測影響因素的未來值。

3.3 BP神經(jīng)網(wǎng)絡預測

應用BP神經(jīng)網(wǎng)絡進行預測，首先采用一組樣本數(shù)據(jù)對神經(jīng)網(wǎng)絡進行訓練，然后將另一組數(shù)據(jù)輸入訓練好的網(wǎng)絡進行預測。本文將灰色關聯(lián)度分析篩選出的6 個指標1999-2018 的歷史數(shù)據(jù)作為訓練樣本輸入值，1999-2018年貨運量作為訓練樣本的輸出值進行網(wǎng)絡訓練。形成訓練好的神經(jīng)網(wǎng)絡后，還要確定預測的輸入向量，指數(shù)平滑法對數(shù)據(jù)的結構及數(shù)量需求簡單，有上期的原始數(shù)據(jù)和上期的預測值就可以預測未來的數(shù)值，當物流需求呈趨勢變動時，一次指數(shù)平滑模型不能取得較好的預測效果。因此應用二次指數(shù)平滑預測方法，克服一次指數(shù)平滑預測方法的不足，分別預測出6個指標2019-2023年的值作為BP神經(jīng)網(wǎng)絡的輸入向量[5]。

通過觀察，6 個影響因素趨勢呈明顯變動，宜取較大的α值（一般取0.6-0.9），本文為得到更加精確的預測結果，對α=0.7，α=0.8，α=0.9 進行比較，從中選擇更優(yōu)的平滑系數(shù)進行預測。

以第一產(chǎn)業(yè)產(chǎn)值為例，原始值和預測值的分析見表4。

由表4 可知，當α=0.9 時，MSE 最小，可以得到更好的預測結果。由此可得2019-2023 年第一產(chǎn)業(yè)產(chǎn)值的指數(shù)平滑預測數(shù)據(jù)，見表5。

表4 第一產(chǎn)業(yè)產(chǎn)值原始值和預測值分析

表5 2019-2023年第一產(chǎn)業(yè)產(chǎn)值的指數(shù)平滑預測數(shù)據(jù)

同理，根據(jù)以上步驟，可得出其他輸入向量指標的預測值，最終輸入向量預測值見表6。

表6 BP神經(jīng)網(wǎng)絡最終輸入向量預測值

本文建立的是以第一產(chǎn)業(yè)產(chǎn)值（億元）X2、第二產(chǎn)業(yè)工業(yè)產(chǎn)值（億元）X3、第二產(chǎn)業(yè)建筑業(yè)產(chǎn)值（億元）X4、人口規(guī)模（萬人）X6、城鎮(zhèn)居民可支配收入（元）X7、固定資產(chǎn)投資總額（億元）X8等影響因素為輸入向量，貨運量為輸出向量的BP神經(jīng)網(wǎng)絡預測模型。

在BP神經(jīng)網(wǎng)絡中，由于其原始的輸入數(shù)據(jù)單位不統(tǒng)一，且不同指標間數(shù)據(jù)值相差較大，為加快訓練網(wǎng)絡的收斂，防止神經(jīng)元輸出飽和現(xiàn)象，將原始數(shù)據(jù)轉化為無量綱的表達式。本文采用Matlab中premnmx()函數(shù)對輸入數(shù)據(jù)進行歸一化，輸出數(shù)據(jù)時利用postmnmx()函數(shù)進行反歸一化處理。

由于單隱含層的BP網(wǎng)絡非線性映射能力較強，因此本文采用典型的三層神經(jīng)網(wǎng)絡進行模型仿真。根據(jù)Kolmogorov定理初步確定隱含層神經(jīng)元的個數(shù)：，其中n為輸入層神經(jīng)元個數(shù)，m為輸出層神經(jīng)元個數(shù)，α的取值范圍為1-10，本文中輸入節(jié)點n=6，輸出節(jié)點m=1，應用上面公式可知，隱含層神經(jīng)元的范圍為4-13，根據(jù)經(jīng)驗與代入分析，最終選擇隱含層神經(jīng)元的個數(shù)為7[6]，形成的BP網(wǎng)絡結構如圖2所示。

圖2 BP網(wǎng)絡結構

本文選取tansig函數(shù)作為隱含層的轉移函數(shù)，選取purelin 函數(shù)作為輸出層的轉移函數(shù)，并將模型的迭代次數(shù)設為100，目標值的誤差限設為0.000 1，學習率設為0.1。

神經(jīng)網(wǎng)絡在訓練次數(shù)達到7 次左右時就已經(jīng)收斂，誤差為1.783×10e-5，滿足程序中所要求誤差限，故在epochs=7 時神經(jīng)網(wǎng)絡便學習結束停止訓練，其誤差模擬曲線如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡訓練誤差模擬曲線

BP神經(jīng)網(wǎng)絡輸出結果見表7。

表7 BP神經(jīng)網(wǎng)絡輸出向量預測值

3.4 GM（1,1）灰色模型預測

根據(jù)灰色預測的相關理論可知，要對樣本數(shù)據(jù)進行檢驗，判斷樣本是否符合灰色預測的基本條件。

具體結果見表8。

表8 光滑度檢驗指標

基于1999-2018年的數(shù)據(jù)構建灰色模型GM（1,1），得到灰色模型預測方程為：

預測得到1999-2018年數(shù)據(jù)及誤差見表9。

表9 貨運量1999-2018年預測及誤差

對模型進行診斷是判斷模型可靠性的重要依據(jù)，比較常用的對預測模型進行診斷的方法為通過計算后驗比及小誤差概率，C值和P值是否落于可靠范圍，以上指標決定了是否能應用該模型對貨運量進行預測，最后，根據(jù)檢驗的原理對模型進行檢驗[7]。

由模型檢驗結果可得，均方誤差為2.257 0×106，相對殘差為0.053 2，后驗比C為0.210 5，小誤差概率值為1,均達到“優(yōu)”級別，此預測結果可信[8]。預測結果見表10。

表10 貨運量2019-2023年預測值

3.5 BP 神經(jīng)網(wǎng)絡和GM(1,1)灰色模型組合預測

為了充分利用各單項模型的預測信息，提高預測結果的精確度，本文對BP 神經(jīng)網(wǎng)絡模型、GM(1,1)灰色模型兩種單項預測方法賦予不同權重，對北京市物流需求進行組合預測。

根據(jù)上文理論與計算，組合預測模型中，BP神經(jīng)網(wǎng)絡模型、GM(1,1)灰色模型的權重分別取0.5、0.5，0.4、0.6，0.3、0.7，求得北京市2019-2023 年貨運量的范圍，預測結果見表11。

表11 北京市貨運量2019-2023年組合預測范圍

由以上預測過程可以看出，二次指數(shù)平滑法能有效提高BP神經(jīng)網(wǎng)絡輸入向量的質量，提高指標的預測精度，既綜合歷史數(shù)據(jù)的時間序列變化趨勢，又考慮因素對物流需求因果關系的影響，使得預測結果更具科學性，組合預測的精度比各單項預測更精確，克服了單項預測的片面性，采用不同權重的組合預測也提高了組合預測的精度。

受現(xiàn)有統(tǒng)計制度、統(tǒng)計口徑變化的影響以及可供研究的年份較少，很難獲取全面準確的數(shù)據(jù)，一定程度上會影響指標的客觀性，而后影響預測的準確性，因此北京市統(tǒng)計局還應提高采集數(shù)據(jù)的全面性與準確性。

北京市物流需求預測研究具有十分重要的理論價值和現(xiàn)實意義，我們?nèi)孕璨粩嚅_闊研究思路、拓展研究內(nèi)容、改進研究方法，從而豐富城市物流需求預測的研究成果。

3.6 推進北京物流業(yè)發(fā)展的有效途徑

通過組合預測模型對北京市物流需求進行預測研究，可以看到隨著經(jīng)濟的迅猛發(fā)展和市場開放程度不斷擴大，北京市貨運量總體呈增長趨勢，物流業(yè)增長空間極大，應大力發(fā)展現(xiàn)代物流業(yè)。北京市可以從以下幾個方面入手，滿足日益增長的物流需求，促進北京物流產(chǎn)業(yè)的健康發(fā)展。

（1）加大物流產(chǎn)業(yè)的資金投入和政策措施支持。在商品流通的整個過程中，物流起到了連接供應和需求的樞紐作用。與物流相關的各項基礎建設具有投資規(guī)模大、周期長以及整體效益高等特點，需要相關政府部門或者行業(yè)組織給予資金和措施方面的支持。具體來說，可從以下兩方面具體實施：一方面，加大各類物流節(jié)點的基礎設施建設力度，促進物流過程的順利高效進行；另一方面，通過減免稅費、實施土地優(yōu)惠、改善企業(yè)融資環(huán)境等政策措施以減少企業(yè)的運營壓力，建設科學有效的物流信息平臺，促進物流過程的科學高效流通。

（2）依托京津冀協(xié)同發(fā)展，為物流發(fā)展注入新活力。北京市應響應經(jīng)濟新常態(tài)的發(fā)展要求，推動國民經(jīng)濟和物流產(chǎn)業(yè)的協(xié)同發(fā)展。北京市不僅應加快地區(qū)經(jīng)濟的發(fā)展，還應加快共享京津冀地區(qū)物流產(chǎn)業(yè)設施建設，促進京津冀物流發(fā)展一體化，從而實現(xiàn)京津冀地區(qū)的經(jīng)濟發(fā)展，并以此為突破口拓展市場空間，尋找新的經(jīng)濟增長點等，將三個省市的發(fā)展特色結合到一體化經(jīng)濟的發(fā)展中，最終實現(xiàn)北京市第一二產(chǎn)業(yè)的發(fā)展。

（3）大力發(fā)展制造業(yè)物流，不斷提升創(chuàng)新能力。鼓勵物流企業(yè)向供應鏈上下游延伸服務，依托現(xiàn)代物流業(yè)的先進技術，輔助現(xiàn)代化高端制造類產(chǎn)業(yè)不斷創(chuàng)新發(fā)展。發(fā)展綠色物流，帶動傳統(tǒng)產(chǎn)業(yè)的轉型升級，在現(xiàn)有基礎上開展物流業(yè)與其他行業(yè)的協(xié)同發(fā)展，實現(xiàn)優(yōu)勢互補和融合發(fā)展。構建供應鏈管理平臺，發(fā)展智能物流、供應鏈物流、精益物流等高端制造業(yè)物流服務，促進物流業(yè)與其他行業(yè)的聯(lián)動、融合發(fā)展。