基于ＡＨＰ和ＢＰ神經(jīng)網(wǎng)絡的高速公路物流預測模型研究

[摘要] 結合高速公路的特點，基于層次分析法和神經(jīng)網(wǎng)絡，建立高速公路物流預測模型，以湖南高速公路物流為樣本對模型進行實證分析，驗證模型的有效性和準確性。

[關鍵詞] 高速公路 物流預測 層次分析法 神經(jīng)網(wǎng)絡

一、引言

近年來，我國高速公路的快速發(fā)展帶動了高速公路物流產(chǎn)業(yè)的興起，但是從總體上而言，高速公路物流產(chǎn)業(yè)的發(fā)展還處于初級階段，相關研究比較少。目前國內(nèi)研究主要是采用神經(jīng)網(wǎng)絡的方法建立模型并進行預測，普遍存在輸入變量權重、維數(shù)難定和預測精度偏低的問題。

針對以上問題，運用層次分析法和神經(jīng)網(wǎng)絡結合的研究方法，利用層次分析法確定變量權重和維數(shù)的優(yōu)勢，彌補BP算法在這里的不足，極大地增強了物流量預測的精確性。

二、高速公路模型的設計

1.高速公路物流量的相關因素分析

影響高速公路物流量規(guī)模的因素較多，但從總體上考慮主要有三個：沿線經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結構和經(jīng)濟布局，文中指標的選定也是根據(jù)這些因素來確定。

由于影響地區(qū)經(jīng)濟發(fā)展的相關因素之間存在一定的權重和次序關系，采用層次分析法對這些相關因素進行權重設置和排序，保證了BP神經(jīng)網(wǎng)絡建模的準確性，同時由于反映高速公路物流需求的指標有多個，如貨運量、貨物周轉(zhuǎn)量，為保證結論的準確性，確認的輸出變量也為多個。

2.構建基于神經(jīng)網(wǎng)絡的物流預測模型

高速公路物流需求神經(jīng)網(wǎng)絡采用三層BP結構，即輸入層、隱含層及輸出層，其中輸入的節(jié)點數(shù)目為可以用來預測高速公路物流規(guī)模的影響地區(qū)經(jīng)濟發(fā)展的經(jīng)濟變量的個數(shù)，輸出的節(jié)點數(shù)目為所預測的高速公路物流規(guī)模的變量個數(shù)。

三、預測模型的應用

1.預測指標的確定

為驗證上述模型的有效性，以湖南高速公路作為應用實例，同時考慮數(shù)據(jù)的可得性，本文選用的物流規(guī)模預測的經(jīng)濟指標為：湖南省GDP、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、地區(qū)零售總額、進出口總額和人均消費水平，分別設為x1…x7。此外由于衡量高速公路物流規(guī)模的變量有多個，文中選取的輸出變量是最能代表高速公路物流規(guī)模的，即高速公路貨運量和貨運周轉(zhuǎn)量，分設為和。

2.指標權重的確定

確定上述經(jīng)濟指標的權重是為了對神經(jīng)網(wǎng)絡輸入變量進行優(yōu)化，下表是湖南高速公路相關物流規(guī)模指標數(shù)據(jù)的權重，指標權重的大小是根據(jù)層次分析法的相關原則進行確定的，主要原則根據(jù)這些經(jīng)濟指標對高速公路貨運量和貨物周轉(zhuǎn)量的影響程度來確定。

湖南高速公路相關指標權重表

3.模型的建立和運行

實際運算采用MATLAB7.1軟件中的SIMULINK工具箱對湖南高速公路1981年～2005年的相關數(shù)據(jù)進行訓練、檢測。

首先構建一個“7-15-2”神經(jīng)網(wǎng)絡，且中間層神經(jīng)元為15時，網(wǎng)絡收斂速度較快，誤差為（0，0.05），表明建成的神經(jīng)網(wǎng)絡完備度好，可以進行預測。

然后將2005年的相關數(shù)據(jù)（14400.39，2021.57，7992.29，4386.53，2459.12，60.05，4984）輸?shù)接柧毢玫纳窠?jīng)網(wǎng)絡，得2006年的預測結果為7332萬噸和142.9億噸公里 ，而2006年湖南省高速公路的實際貨運量和貨物周轉(zhuǎn)量分為6921.6萬噸和 177.6億噸公里，誤差率0.06%和0.19%，總體誤差不超過0.2%，而單純使用神經(jīng)網(wǎng)絡的物流預測模型一般的誤差都在1%～3%之間，因此采用層次分析法和BP神經(jīng)網(wǎng)絡結合的方法大大提高了預測結果的準確性，從而充分驗證了本模型的科學性和有效性。

四、結論與展望

通過將層次分析法和BP神經(jīng)網(wǎng)絡結合對高速公路的物流量進行預測，與目前單一神經(jīng)網(wǎng)絡法預測物流量相比，極大提高了預測結果的準確性，為高速公路物流的持續(xù)發(fā)展提供了量化依據(jù)。但由于影響高速公路物流發(fā)展的因素眾多，只選取部分影響因素，所以預測結果要推廣到實際運作中還有不足，這也是我們下一步要深入探討的。

參考文獻：

[1]Fite J， Taylor G， Usher J， Roberts J:Forecasting freight demand using economic indices [J]， International Journal of Physical Distribution Logistics Management， 2001 ，31(4):299

[2]李曉峰，劉光中:人工神經(jīng)網(wǎng)絡BP算法改進及應用.四川大學學報，2000.3

[3]王維國張靜靜:基于BP神經(jīng)網(wǎng)絡的貨運量預測方法.物流技術，2005.7

[4]黃永安馬路劉慧敏:MATLAB/Simulink6.0建模仿真開發(fā)與高級工程應用[M].清華大學出版社，2005.12

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。