城市物流发展状况的评价与预测-精选文档.docxVIP

城市物流发展状况的评价与预测 现代物流业被认为是社会经济发展的“第三利润源” , 是影 响一个城市经济增长的基础产业 , 是区域经济的重要组成部分。 通过对与物资流通领域相关的统计数据研究 , 可以为评价区域物 流规划科学性与合理性提供基本依据, 流规划科学性与合理性提供基本依据 , 为政府制定各项相关政策 和经济发展战略决策提供参考。 1 物流发展评价和预测的指标体系 一个地区物流产业与该地区经济发展的水平、 规模密切相关 ; 不同地区经济水平、规模和产业形态 , 决定了该地区物流业的水 平、规模和结构形态。因此 , 涉及和影响物流评价和预测的因素 比较多 , 如市场供需情况、经济、交通等。参考相关研究 [1] 和结 合实际 , 区域物流发展评价和预测的指标体系包含如下几个方 面。 (1) 综合反映区域社会经济基础方面的指标 : 主要有国内生 产总值、人均GDP年度社会固定投资总额。 (2) 从不同角度反映区域生产与消费方面指标 : 包括工业总 产值、社会消费品零售总额。 (3) 反映区域物流发展方面的指标 : 主要有全社会货运量、 全 社会货物周转量。 这些指标可以从不同侧面反映区域物流的发展特征 , 是建立 分析评价和预测模型的基础。 2 物流发展状况评价分析 由于我国各地区的资源和环境条件不同 , 经济发展水平不同 , 不同城市的物流产业表现出明显的区域差异。 为了综合评价我国 一些大中型城市的物流发展状况, 一些大中型城市的物流发展状况 , 可以应用主成分分析法 , 建立 分析评价模型。 根据中国统计年鉴 [2] [3], 根据中国统计年鉴 [2] [3], 收集 2006年北京、上海等 36 个 城市的国内生产总值（ 城市的国内生产总值（亿元;x1） 、人均GDP元;x2）、工业总产值 （亿元;x3）、消费品零售总额（亿元;x4）、固定资产投资总额（亿 元 ;x5） 、货运量 （ 万吨 ;x6） 以及货物周转量 （ 亿吨 / 公里、 x7）, 统 计数据 （略） 。对统计数据 ,运用 SAS proc princomp[4], 计算出 样本协方差矩阵（略）及S的特征值与各主成分的贡献率，见表1。 表 1 显示出国内生产总值这一主因子的贡献率比最大 , 是城 市物流发展的重要因素之一；其次依次是人均GDP工业总产值、 消费品零售总额。由于这 4个主成分Y1、Y2、Y3与Y4的方差之 和占总方差的比例为 97.87%, 因此可其作进一步分析 , 得到的综 合评价模型是 : 为四个主成分的权重之和 , 是反映地区物流发展综合实力 的标杆, 其 值越大 , 表明该地区物流发展综合实力就越强 , 反之 则越弱。通过进一步计算 ,36 个城市物流发展状况的综合评价结 果, 见表 2。 根据表 3,2006 年我国 36个大中型城市物流发展状况可分为 4 个层次 : 第一层次 （Zi1） 的城市群为上海、广州、深圳、北京 与天津五大城市 , 其物流发展综合实力相对最强 ; 佛山与杭州、 青 岛等 8 个城市同属物流发展综合实力较强的第二层次 （01） 、人均 GDP元；x2）、工业总产值（亿元;x3）、消费品零售总额（亿元；x4）、 批发零售总额 （ 亿元 ;x5） 、年度固定资产投资总额 （ 亿元 ;x6） 、综 合货运量（万吨;y 1）以及货物周转量（亿吨/公里;Y2）［5］为基础 （ 统计数据表略 ）, 应用 Mathworks 公司开发的一种高性能的数值 计算和可视化软件一一MATLAB神经网络工具箱，建立物流预测模 型, 进行区域物流需求量预测分析。 设置网络结构为 3 层,1 个隐含层 ; 由于根据主成分分析结果 , 国内生产总值、人均 GDP工业总产值、消费品零售总额这 4项 指标对城市物流发展的贡献率比最大 , 将这 4 个因素作为网络的 训练样本 , 输入节点数为 4; 综合货运量、货物周转量为目标输出 , 即输出节点数为 2; 设置适当隐节点数和其它参数 , 编程［6］ 上机 运行 , 建立神经网络预测模型。 通过对比分析 , 该神经网络模型对货运量和货物周转量的预 测, 皆具有较高的精度。 可用训练好的神经网络模型 , 对佛山市其 它年份的货运量为及货物周转量进行预测 , 见表 3。 预测佛山市 2008-2010 年综合货运量和货物周转量 , 将呈比 较快的增长态势 ; 综合货运量总量年增长速度为 11.03%; 货物周 转量年增长速度为 10.62%。 4 结束语 由于区域物流需求量涉及的影响因素比较多 , 且具有复杂的 内在关系 ,呈高度非线性关系。 采用人工神经网络方法 , 能较好地 解决物流预测问题。 上述宏观趋势预测只是对历史数据的分析 , 在具体应用时 , 还应根据国际、国内物流市场环境