黃振 夏利平 朱珺

摘 要：文章基于神經(jīng)網(wǎng)絡(luò)模型，針對湖南省貨運量進行了預(yù)測。研究表明，神經(jīng)網(wǎng)絡(luò)模型表現(xiàn)出了相當高的預(yù)測水準，最后指出了研究改進的方向。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；預(yù)測；貨運量

湖南省位于中部地區(qū)承接?xùn)|部地區(qū)產(chǎn)業(yè)轉(zhuǎn)移的前沿，多條國家級公路、鐵路干線都經(jīng)過湖南，為物流業(yè)的發(fā)展創(chuàng)造了良好的先天條件。區(qū)域物流對區(qū)域經(jīng)濟發(fā)展有著重要作用，通過貨運量入手進行預(yù)測研究，能夠反映出湖南省區(qū)域物流需求在未來幾年中的變化趨勢，這是研究的目的，同時也是意義所在。

物流業(yè)的發(fā)展是優(yōu)化區(qū)域經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)和轉(zhuǎn)變湖南經(jīng)濟發(fā)展方式的必要條件，通過對以貨運量為代表的湖南省區(qū)域經(jīng)濟物流需求進行預(yù)測分析，以預(yù)測結(jié)果為決策依據(jù)，可以為湖南省物流業(yè)的發(fā)展規(guī)劃和設(shè)施建設(shè)提供咨詢意見。

貨運量是物流需求的重要組成部分，對貨運量進行影響因素分析和預(yù)測，能夠在很大程度上反映出湖南省物流需求的現(xiàn)狀和發(fā)展趨勢，從而為物流業(yè)的持續(xù)發(fā)展提供可靠依據(jù)。

一、研究現(xiàn)狀

目前常見的貨運量預(yù)測方法包括數(shù)學(xué)模型和神經(jīng)網(wǎng)絡(luò)模型。

關(guān)于貨運量預(yù)測的數(shù)學(xué)模型常見的有：胡潔瓊等（2014）提出了一種建立在時間序列分析基礎(chǔ)上的預(yù)測方法，通過專家建模，簡化了預(yù)測過程和建模速度；劉喜明（2014）基于公路物流貨運量數(shù)據(jù)，利用線性回歸方法建立模型，預(yù)測精度較高；高洪波等（2014）采用分形插值，推導(dǎo)了具有外推功能的鐵路貨運量預(yù)測方法，較好地描述出鐵路貨運量變化的分形特征；趙建有等（2012）在估計了公路貨運量的影響因素之后，利用模糊線性回歸模型預(yù)測了延安市2005至2010年的公路貨運量。

利用神經(jīng)網(wǎng)絡(luò)模型進行貨運量預(yù)測研究的則有：Al-Deek（2002）采用反向神經(jīng)網(wǎng)絡(luò)（BPN）和時間序列相結(jié)合的方法來預(yù)測港口出港和入港重型卡車的流量，并在邁阿密港、坦帕、杰爾遜維爾港等港口進行實例驗證；蔣青松等（2013）采集2006-2010年南疆各師貨運量數(shù)據(jù)，基于BP神經(jīng)網(wǎng)絡(luò)算法建立了相關(guān)預(yù)測模型，計算結(jié)果精度較好；雷斌等（2012）根據(jù)改進粒子群優(yōu)化算法，提出了預(yù)測精度更高的灰色神經(jīng)網(wǎng)絡(luò)模型。

根據(jù)研究現(xiàn)狀，基于機器學(xué)習(xí)理論的適度擬合往往能夠在某種程度上篩除噪聲，找到隱藏在大規(guī)模數(shù)據(jù)背后的規(guī)律性。神經(jīng)網(wǎng)絡(luò)還具有良好的泛化能力，能夠?qū)]有經(jīng)過學(xué)習(xí)的樣本進行訓(xùn)練、推斷。神經(jīng)網(wǎng)絡(luò)往往具有較好的彈性，當數(shù)據(jù)構(gòu)成發(fā)生突變時，能夠迅速辨別出變化。

二、研究理論

（一）模糊粒子理論。粒化計算是數(shù)據(jù)處理的一種較新的概念和計算方法，覆蓋了基于粒化的理論和方法。它可以用于研究信息粒化的形成、粗細、表示和語義解釋。通常來看，利用不可區(qū)分性、功能相似、相近以及函數(shù)性來劃分的對象的集合，就構(gòu)成信息顆粒。本研究選擇模糊粒子理論進行數(shù)據(jù)處理。

（二）神經(jīng)網(wǎng)絡(luò)理論。Cortes和Vapnik率先提出可用于模式分類和線性以及非線性回歸的支持向量機理論。支持向量機用于解決回歸問題時，輸出值可為任意實數(shù)。具體實現(xiàn)過程為：首先，給定一個訓(xùn)練集，接著選擇適當參數(shù)，然后構(gòu)造并求解凸二次規(guī)劃，最后建立起決策函數(shù)。當時間序列具有非線性特征時，可通過構(gòu)造核函數(shù)來建立非線性回歸。常見的核函數(shù)基本形式有多項式、高斯徑向基等。

支持向量機模型可以進行回歸預(yù)測，例如對湖南省貨運量進行回歸擬合。模型的假設(shè)條件是，湖南省貨運量與時間相關(guān)。也就是說，建立的模型以湖南省貨運量為因變量，利用之前的數(shù)據(jù)，嘗試進行回歸擬合，預(yù)測將來的湖南省貨運量變化范圍，。算法流程包括數(shù)據(jù)處理、參數(shù)選擇、模型生成與訓(xùn)練、擬合預(yù)測、結(jié)果分析等。

三、湖南省貨運量與區(qū)域經(jīng)濟關(guān)系研究

（一）數(shù)據(jù)來源及平穩(wěn)性檢驗。采集的湖南省貨運量和GDP數(shù)據(jù)為1984至2012年總共29對數(shù)據(jù)，所有數(shù)據(jù)來源于歷年湖南省統(tǒng)計年鑒。數(shù)據(jù)均采用對數(shù)化處理，湖南省貨運量對數(shù)化后設(shè)為lnH，湖南省GDP數(shù)據(jù)對數(shù)化后設(shè)為lnG。

對兩組數(shù)據(jù)序列進行平穩(wěn)性檢驗，ADF檢驗的結(jié)果說明這兩組序列都是非平穩(wěn)的。接下來分別對一階差分進行ADF檢驗，結(jié)果是平穩(wěn)的。

（二）格蘭杰因果檢驗。在格蘭杰因果檢驗中，更關(guān)心兩序列之間的因果關(guān)系，因此選擇對應(yīng)序列進行檢驗，結(jié)果顯明，原假設(shè)“貨運量波動不是GDP波動的格蘭杰原因”發(fā)生的概率為 ，在5%的顯著性水平下顯著拒絕，說明在較高的置信水平下，貨運量波動是GDP波動的格蘭杰原因；與此同時，原假設(shè)“GDP波動不是貨運量波動的格蘭杰原因”發(fā)生的概率為 ，同樣被顯著拒絕，說明在較高的置信水平下，GDP波動也是貨運量波動的格蘭杰原因。因此可以認為，湖南省貨運量和區(qū)域

GDP之間存在相互引導(dǎo)作用。

（三）協(xié)整關(guān)系檢驗。湖南省貨運量和區(qū)域GDP兩序列在

5%的顯著性水平上，存在一個大于臨界值的跡統(tǒng)計量，說明二者之間存在一個協(xié)整關(guān)系。兩序列在5%的顯著性水平上，存在一個大于臨界值的最大值統(tǒng)計量，進一步說明二者之間的協(xié)整關(guān)系是客觀存在的，也說明本研究對于進一步研究湖南省區(qū)域經(jīng)濟具有意義。從以上分析可以看到，貨運量對區(qū)域經(jīng)濟產(chǎn)生了正向影響。

四、基于神經(jīng)網(wǎng)絡(luò)的湖南省貨運量預(yù)測

（一）模型算法。利用Wiltold Pedrycz模糊粒子理論預(yù)處理數(shù)據(jù)，其基本構(gòu)思是，原始數(shù)據(jù)經(jīng)過預(yù)處理后得到的模糊粒子，具有相當?shù)奶厥庑院痛硇?。模型中采用支持向量機回歸算法，進行對比后確定使用高斯徑向基核函數(shù)，使用步進法確定懲罰參數(shù)c和核函數(shù)參數(shù)g。具體過程利用libsvm工具箱實現(xiàn)，該工具箱提供了很多參數(shù)，既能用于支持向量分類，也能用于支持向量回歸。

（二）回歸預(yù)測。首先嘗試對數(shù)據(jù)進行歸一化處理，歸一化區(qū)間選擇[0，1]區(qū)間時，預(yù)測效果不理想，經(jīng)多次回歸調(diào)試后改為歸一到[0，100]區(qū)間，此時數(shù)據(jù)包含的信息損失程度較小。

接下來尋找懲罰參數(shù)c和核函數(shù)參數(shù)g的最佳參數(shù)，通過觀察粗略尋找的結(jié)果進行精細選擇。利用得到的最優(yōu)結(jié)果進行訓(xùn)練，最終的預(yù)測結(jié)果如表1所示。在對各項參數(shù)進行擇優(yōu)后，該模型預(yù)測2013年的湖南省貨運量在[208311.1，220576.6]之間波動，而根據(jù)湖南省統(tǒng)計公報，實際值為211405.9萬噸，基本落在預(yù)測范圍內(nèi)，最小誤差為-1.46%，說明模型預(yù)測效果良好。

表1 湖南省貨運量預(yù)測結(jié)果

由于回歸模型建立在求解凸二次規(guī)劃的基礎(chǔ)上，對于非線性數(shù)據(jù)的處理結(jié)果比較理想，從而得到比時間序列模型更具有代表性的區(qū)間預(yù)測，某種意義上可以說比時間序列模型更具有參考價值。

研究中存在和需要改進的問題：（1）主要研究數(shù)據(jù)為年度

數(shù)據(jù)，數(shù)據(jù)量較少，在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和擬合上存在一定難度，后續(xù)可以考慮采用國家統(tǒng)計局發(fā)布的月度數(shù)據(jù)進一步研究。（2）神經(jīng)網(wǎng)絡(luò)模型在主要參數(shù)（即核函數(shù)和懲罰因子）的選擇上具有一定困難，需要精心選擇，為模型的廣泛應(yīng)用帶來了一定難度，是后續(xù)研究考慮改進的地方。

五、對策和建議

2014年10月4日國務(wù)院印發(fā)了《物流業(yè)發(fā)展中長期規(guī)劃（2014-2020年）》，從國家層面部署加快現(xiàn)代物流業(yè)發(fā)展，提出要建立和完善現(xiàn)代物流服務(wù)體系，提升物流業(yè)發(fā)展水平，為全面建成小康社會提供物流服務(wù)保障。本研究利用神經(jīng)網(wǎng)絡(luò)模型對湖南省貨運量進行了擬合和預(yù)測，取得了不錯效果。從預(yù)測結(jié)果看，2013年全省貨運總量已超過二十億噸關(guān)口，物流業(yè)已經(jīng)成為了湖南省國民經(jīng)濟產(chǎn)業(yè)中的重要一環(huán)。這是湖南省物流業(yè)正在面臨的嚴峻挑戰(zhàn)，更是湖南省物流業(yè)發(fā)展的重大機遇。

現(xiàn)代物流業(yè)與區(qū)域經(jīng)濟的正向促進作用已經(jīng)非常明顯，一般來說，物流業(yè)既是區(qū)域經(jīng)濟發(fā)展的“瓶頸”產(chǎn)業(yè)，更是區(qū)域經(jīng)濟發(fā)展的“牽引”產(chǎn)業(yè)。為了促進湖南省物流業(yè)與區(qū)域經(jīng)濟的良性互動，滿足以裝備制造業(yè)為核心的產(chǎn)業(yè)集群發(fā)展的需要，可以從多方面入手，建立起與區(qū)域經(jīng)濟發(fā)展相協(xié)調(diào)的物流產(chǎn)業(yè)體系。

（一）完善物流信息化建設(shè)，創(chuàng)造良好發(fā)展環(huán)境。通過加強北斗導(dǎo)航、物聯(lián)網(wǎng)、大數(shù)據(jù)、移動互聯(lián)等先進信息技術(shù)在物流行業(yè)的應(yīng)用，加快企業(yè)物流信息系統(tǒng)建設(shè)。完善物流公共信息省域平臺建設(shè)，積極推進全省物流信息資源的再次開發(fā)利用。整合省內(nèi)鐵路干線、高速鐵路、高速公路、水路等信息資源，推動省內(nèi)物流信息與公共服務(wù)信息的有效對接，鼓勵區(qū)域間和行業(yè)內(nèi)的物流平臺信息共享，實現(xiàn)互聯(lián)互通。

（二）完善物流體系的系統(tǒng)性和網(wǎng)絡(luò)化。繼續(xù)投入基礎(chǔ)設(shè)施建設(shè)，建立省內(nèi)綜合交通運輸體系和樞紐建設(shè)，實現(xiàn)各種運輸方式的合理分工和有效銜接。在科學(xué)考察物流需求的基礎(chǔ)上，合理配置并強化物流園區(qū)建設(shè)，在政策方面為物流需求旺盛的區(qū)域提供有利支持。積極打破地方保護、部門封鎖，解決工商、稅收、土地、交通等方面所存在的制約物流企業(yè)發(fā)展和經(jīng)營的問題。

（三）用互聯(lián)網(wǎng)思維指導(dǎo)物流企業(yè)發(fā)展。2013年雙十一，阿里巴巴集團天貓網(wǎng)的銷售額達到350億元，2014年雙十一，天貓銷售額有望沖擊600億元大關(guān)。應(yīng)該借助電子商務(wù)行業(yè)充分發(fā)展而催生的物流大發(fā)展契機，培育并指導(dǎo)物流企業(yè)用互聯(lián)網(wǎng)思維改造行業(yè)管理、經(jīng)營等各個環(huán)節(jié)，用電商的“天網(wǎng)”改造物流企業(yè)的“地網(wǎng)”，打造基于電子商務(wù)的信息對稱、價格透明的現(xiàn)代物流體系，降低省域內(nèi)物流成本。

（四）激勵高校物流專業(yè)建設(shè)，培育物流產(chǎn)業(yè)人才。政府應(yīng)該下放高校專業(yè)設(shè)置和調(diào)整審批權(quán)，鼓勵并支持高等院校，尤其是以培養(yǎng)一線技術(shù)人才為目標的高職院校按照現(xiàn)代物流行業(yè)需求自主設(shè)置現(xiàn)代物流和商貿(mào)專業(yè)、課程，按照需求導(dǎo)向、條件保障、規(guī)模適度、持續(xù)建設(shè)等原則制訂物流專業(yè)建設(shè)規(guī)劃，與物流先進企業(yè)合作，培育培訓(xùn)管理人才和一線技術(shù)人員，提高人才培養(yǎng)質(zhì)量。在人才培養(yǎng)過程中注重教育教學(xué)模式創(chuàng)新，拓寬物流專門人才的培養(yǎng)渠道，通過訂單班等多種形式，使企業(yè)能夠無縫參與并實現(xiàn)物流人才的培養(yǎng)。

參考文獻：

[1] 胡潔瓊，李珍萍， “基于時間序列的全社會貨運量預(yù)測及分析[J]，” 物流技術(shù)， pp. 128-130， 5 2014.

[2] 趙建有，周孫鋒，崔曉娟，王高青， “基于模糊線性回歸模型的公路貨運量預(yù)測方法[J]，” 交通運輸工程學(xué)報， pp. 80-85， 7 2011.

[3] Al-Deek， "Use of vessel freight data to froecast heavy truck movements at seaports[J]，" Transportation Research Board， pp. 217-224， 2002（1804）.