基于遗传BP神经网络的区域物流需求预测.docx

基于遗传BP神经网络的区域物流需求预测胡万达（英国考文垂大学，英国考文垂CV15FB）摘要：针对当前区域物流需求预测数据复杂且可变性较大、预测方法环境适应性较差的问题，提出了基于遗传BP神经网络的区域物流需求预测模型。首先，分析区域物流需求预测影响因素，并建立区域物流需求预测指标体系；其次，采用遗传算法优化预测网络中的可变参数，并建立多输入—多输出的BP神经网络多元预测模型；最后，通过实例结果表明该模型具有较高的预测精度和有效度。关键词：物流需求；预测模型;遗传BP神经网络TP273：A：1009-8135（2014）05-0060-04一、引言随着物流系统愈趋复杂，其影响因素逐渐增多，并呈现分散性、不确定性以及并行性等特点[1-3]，传统线性、单一的预测方法已远远不能满足现阶段物流需求预测的需要。因此，在此条件下，如何处理区域物流需求预测中的动态数据并提高其计算速度及精度成为目前国内外物流研究中急需解决的问题。Diamantopoulos[4]等以物流出口销售为对象初步分析了预测结果与预测方法之间的关系，提出提高预测结果精度的首要措施是保证原始数据的准确性；ShueJiuhbing[5]等针对供应链上需求不确定的牛鞭效应问题提出了随机最优控制方法，该方法基于历史统计数据得以实现；Qiu[6]等以长三角、珠三角、环渤海历史数据为例，验证了组合预测方法比单一预测方法更有效；后锐[7]等提出了基于MLP神经网络的区域物流需求预测模型，该模型从理论上解释了区域经济与物流需求之间的非线性关系；杨丰玉[8]等针对第三方物流系统中资源利用率不高导致的高成本、低收益等问题，提出了基于灰色模型的货物需求量预测模型，该模型一定程度上解决了因历史统计数据较少导致的预测结果不准确等问题；过秀成[9]等在宏观经济预测和交通需求预测有关方法的基础上，建立了多区间投入产出模型和空间价格均衡模型相结合的区域物流需求分析模型，有效解决了物流需求与供给的平衡问题；杨洁[1]等提出了多元可变参数的物流需求预测模型，已解决当前区域物流需求预测目标单一、预测数据复杂的问题。综上所述，目前关于区域物流需求预测的研究主要依赖于对历史数据的分析处理，通过主观赋权并运用各种解析算法以精确度最优为目标，建立相应预测模型对历史数据进行分析进而达到对物流系统需求预测的目的。然而，当前研究对于将来未知且随机变动的环境缺乏足够分析，导致现有研究成果极易因历史数据的不准确，使得最终的预测结果出现较大偏差。而物流系统区域预测的主要目的便是适应将来发展的需要，这样便导致现有预测数据随物流系统的发展其效用逐渐降低。同时，上述研究所选取的算法多针对可预知的环境下产生的动态数据，并以此为基础解释物流系统与社会经济之间的非线性关系，而对于不确定环境下的动态数据研究较少。基于此，论文将在分析区域内物流系统历史数据的基础上，充分考虑未来不确定性环境下动态数据对物流系统需求的影响，并提出基于遗传BP神经网络的区域物流需求预测模型，利用遗传算法对于变化环境下的高适应性以及BP神经网络对复杂数据处理高精度的优势，进而对区域物流需求进行预测，为物流战略规划决策提供支撑，促进区域社会经济的健康发展。二、区域物流需求预测指标体系构建影响区域物流需求的因素种类较多，包含社会、市场以及环境等，仅从传统的物流运输方式或单方面因素对其进行分析显然无法客观准确得到预测结果。因此，为系统准确地确定区域物流需求预测影响因素指标体系，有必要综合考虑各类影响因素，并且同时兼顾区域物流需求预测指标及需求数据的可采集性和指标的针对性。通过对大量文献进行分析，综合选取国内生产总值（x1，亿元）、第一产业总值（x2，亿元）、第二产业总值（x3，亿元）、第三产业总值（x4，亿元）、社会消费品零售总额（x5，亿元）、进出口总额（x6，亿美元）、常住人口（x7，万人）7个指标构建区域物流需求预测的影响因素指标体系[1-7]。另外，选取港口吞吐量（万吨）、货运量（万t）以及周转量（亿吨·km）3个指标对区域物流需求加以衡量[1,10]。三、基于GA-BP神经网络的区域物流需求预测模型区域物流需求代表着社会的经济发展水平，同时因环境变化导致的特殊需求的反应。除一般物流内容外，它还包含多元区域物流需求内容，因此，在影响区域物流需求的各种因素间以及其与多元区域物流需求之间存在着一种内在、隐含的映射关系。而传统的线性关系难以对其准确进行描述，预测也就无法用传统的预测模型来实现。神经网络模型通过模仿动物神经网络的行为特征，对分布式的并行信息进行处理的，是一种有效的数学模型。BP神经网络作为一种多层前馈神经网络，在非线性映射功能方面性能突出，因此，对于表达多影响因素与多元区域物流需求之间的复杂关系优势明显。BP神经网络的预测性能在很大程度上取决于输入层与隐含