基于BP神经网络物流量预测方法研究.docVIP

基于BP神经网络物流量预测方法研究 　　摘要:人工神经网络作为重要的综合评价方法,能够解决众多非线性问题,把它运用到地区货运量的预测中,可以解决因数据资料缺失,预测结果与真实结果相差较大的问题,为物流业发展提供重要的数据参考。经过实例分析证明基于神经网络的物流量预测模型是行之有效的。 　　关键词:物流量;人工神经网络;预测 　　中图分类号:F224文献标识码:A 　　 　　Abstract: Artificial neural networks as an important comprehensive evaluation method can solve a number of non-linear problems. In its application to the regional freight forecast, you can address the differences between the predicted and actual results for the data missing. It also provides important information for logistics industry to reference. The example analysis proof that the logistics capacity forecast model which structured by BP neural network is effective. 　　Key words: logistics capacity; artificial neural network; predict 　　 　　0引言 　　物流量作为衡量一个国家或地区经济发展的重要经济指标,愈加受到人们的重视,如何正确、有效的根据相关影响因素做出物流量预测,对于物流产业的发展具有至关重要的作用。目前,有关物流预测的方法有移动平均预测法、指数平滑预测法、回归分析预测法以及神经网络预测法[1]。前三种方法都需事先建立函数模型,数据缺失的情况下难以顺利进行,导致物流预测结果缺乏可信度。人工神经网络具有良好的曲线拟合能力、学习能力、抗干扰能力,采用BP神经网络方法,建立物流预测模型,具有更强的实用性。 　　1地区物流需求关键经济因素分析与提取 　　物流需求是一种派生需求[2]。这种派生需求的大小与其本源需求有着密切的关系,而社会物流的需求是由地区经济发展本身带来的。因此,理论上通过寻找区域经济的关键因素构建物流需求预测模型是可行的,用数学模型可表示为: 　　Wn=fwi或Wi=fBi 　　其中,W为物流需求量,B为地区经济因素。 　　影响社会物流需求的因素众多,但从宏观考虑主要包括三大部分:地区经济规模、产业结构、经济空间布局。地区经济发展的整体水平和规模是社会物流需求的决定因素,也是物流需求的源动力。其次,产业结构是另一个重要因素,主要包括商贸业、工业、农业,并且产业结构的差异也将对物流的需求功能、物流层次及物流需求结构等方面产生重大影响。此外,地区人均收入和消费水准也是影响社会物流需求的重要方面。 　　基于以上分析,提取影响社会物流需求的各项经济指标如下:地区经济总量指标:地区生产总值X■(万元),产业结构指标:工业总产值X■(万元)、农业总产值X■(万元)、商贸业总产值X■(万元),消费水平:地区人均消费水平X■(元)。 　　2物流需求BP神经网络模型 　　2.1模型算法描述 　　BP算法是一种有教师的学习算法[3]。输入学习样本为p个X■,X■,X■…X■,已知与其对应的教师值为t■,t■,t■…t■;学习算法是用实际的输出 y■,y■,y■…y■与t■,t■,t■…t■的误差修正其连接权值和阈值,使y■与t■尽可能接近, 从而达到满意的非线性拟合。设n■为迭代次数,权值和阈值的修正公式为: 　　 W■n■+1=W■n■+η■δ■■δ■■(1) 　　 W■n■+1=W■n■+η■δ■■δ■■ (2) 　　式中,η――步长,δ――局部梯度; 　　δ■■=t■■-y■■y■■1-y■■ 　　δ■■=δ■■1-δ■■■δ■■w■ 　　当P个样本学习时,其总误差为: 　　E=■■■t■■-y■■■ε 　　此时,式(1)、(2)停止迭代,连接权值和阈值训练完毕。式中ε为任意给定的正小数,其大小取决于网络训练的精度。 　　2.2BP神经网络模型设计 　　模型采用三层BP神经网络,该网络由一个输入层、一个隐含层和一个输出层组成,如图1所示。输入层含5个结点x■,x■…x■,分别对应本文前面分析提取的5个经济因素指标。由于货物运输量可以在一定程度上反映物流需求的变化规