基于改進(jìn)ANN的我國社會物流總成本預(yù)測研究

湖北科技學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院 張吉剛 梁娜

隨著科技持續(xù)進(jìn)步、產(chǎn)業(yè)不斷升級，經(jīng)濟(jì)快速發(fā)展，第三利潤源——物流受到越來越多的關(guān)注。但我國的物流成本高，并已成為一個巨大的障礙制約物流發(fā)展和經(jīng)濟(jì)進(jìn)步。正確預(yù)測社會物流成本，對有效控制物流活動過程的費用，對降低物流總成本，提高企業(yè)和社會經(jīng)濟(jì)效益，有非常重要的意義。

物流業(yè)作為一個新興產(chǎn)業(yè)，相關(guān)統(tǒng)計數(shù)據(jù)缺失，很難構(gòu)建出以大量歷史觀測數(shù)據(jù)為主要依據(jù)的數(shù)學(xué)模型，推斷預(yù)測目標(biāo)。同時物流業(yè)屬于生產(chǎn)性服務(wù)業(yè)，物流需求屬于派生性需求，既包含了線性時序的成分，又包含了非線性時序的成分，呈現(xiàn)出線性和非線性的特性，是個復(fù)雜雙特征系統(tǒng)。神經(jīng)網(wǎng)絡(luò)在解決預(yù)測問題時對數(shù)據(jù)的要求較低，建模比較容易且具有極強的模糊推理能力，特別適用于非線性系統(tǒng)的建模。

本文提出對我國WLCB序列作兩步預(yù)處理，逐步消除原始數(shù)據(jù)的線性特征，轉(zhuǎn)換成只具有非線性的序列，然后利用BPNN技術(shù)進(jìn)行預(yù)測，與直接利用原始數(shù)據(jù)及只作一步預(yù)測處理的數(shù)據(jù)建立的BPNN模型相比較，消除WLCB的線性特征的改進(jìn)模型充分發(fā)揮了BPNN模型的優(yōu)勢，顯著改善了預(yù)測性能。

1 改進(jìn)NN模型

改進(jìn)的BPNN的WLCB預(yù)測模型，是要對WLCB序列原始數(shù)據(jù)作消除線性特征預(yù)處理，在預(yù)處理后的數(shù)據(jù)上建立BPNN預(yù)測模型。具體原理:先對WLCB數(shù)據(jù)求年增量、年增長率的預(yù)處理，WLCB年增長率序列仍具有線性特征，再對WLCB年增長率序列求年增長率的增長率處理，WLCB年增長率的增長率序列中已不含線性特征，然后用BPNN預(yù)測WLCB年增長率的增長率，最終轉(zhuǎn)化為對WLCB的預(yù)測，其流程如圖1所示。

圖1 改進(jìn)BPNN模型原理示意圖

2 改進(jìn)BPNN模型在WLCB預(yù)測中的應(yīng)用

本文將上述改進(jìn)BPNN模型應(yīng)用到我國WLCB的預(yù)測之中，構(gòu)建了我國WLCB序列預(yù)測模型。本研究選取1991～2011年期間的WLCB 為研究對象，數(shù)據(jù)來源于中國物流年鑒。按照下式對數(shù)據(jù)作預(yù)處理，所得數(shù)據(jù)及原始數(shù)據(jù)見表l。

表1 1991年至2011年我國社會物流總成本原始數(shù)據(jù)及預(yù)處理數(shù)據(jù)

圖2 WLCB值及年增量曲線圖

圖3 WLCB年增長率曲線圖

圖4 WLCB年增長率的增長率曲線圖

從圖2可以觀察到WLCB序列具有明顯的單調(diào)上升趨勢，WLCB年增量仍具較為明顯的上升趨勢，圖3中WLCB年增長率序列還有上升趨勢，含線性特征，圖4中WLCB年增長率的增長率已沒有了上升趨勢，不含線性特征，以具有非線性特征的WLCB年增長率的增長率序列作為網(wǎng)絡(luò)輸入，建立BPNN預(yù)測模型。

由于WLCB年增長率的增長率數(shù)據(jù)沒有1991，1992年，所以BPNN的總樣本量N=21。以1993～1996，1994～1997，1994～1998，……2002～2006年WLCB年增長率的增長率數(shù)據(jù)作為網(wǎng)絡(luò)輸入，1997～2007年的WLCB年增長率的增長率數(shù)據(jù)作為目標(biāo)輸出，即以前5年WLCB年增長率的增長率數(shù)據(jù)作為BPNN的輸入變量，以當(dāng)年增長率的增長率數(shù)據(jù)作為BPNN的輸出變量，組成樣本數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。因此，BPNN的輸入神經(jīng)元為5，輸出神經(jīng)元為1，中間層的節(jié)點數(shù)經(jīng)過實驗對比，最終選定為8個， 網(wǎng)絡(luò)結(jié)構(gòu)為5-8-1，如圖5所示。

圖5 GDP預(yù)測的BPNN拓?fù)浣Y(jié)構(gòu)

在MATLB7的神經(jīng)網(wǎng)絡(luò)工具箱中，訓(xùn)練函數(shù)采用是數(shù)值優(yōu)化L-M學(xué)習(xí)算法trainlm，輸入層與隱層、隱含層與輸出層之間的傳遞函數(shù)選為tansig,logsig函數(shù)。訓(xùn)練次數(shù)最大設(shè)置為500次，網(wǎng)絡(luò)收斂誤差為0.0001。

將表1中WLCB年增長率的增長率，先進(jìn)行歸一化處理，使樣本數(shù)據(jù)落在[0，1]范圍之內(nèi):式中:和分別是 數(shù)據(jù)中的最小值和最大值，再加載到設(shè)置好的BPNN中，按照圖1的模型原理，最終轉(zhuǎn)化為對WLCB值的預(yù)測。測試樣本(2009～2011年)的預(yù)測結(jié)果見表2，為顯示本模型的優(yōu)越性，與以WLCB數(shù)據(jù)為輸入的BP模型、以WLCB的增長率為輸入的BP模型的結(jié)果進(jìn)行比較。

表2 各模型對測試樣本的預(yù)測結(jié)果

由表2可知，三種模型中，本文的改進(jìn)BPNN模型預(yù)測結(jié)果最好，其結(jié)果最接近于實際值。與WLCB原始數(shù)據(jù)相比，WLCB的增長率序列由于去除了部分線性特征， BP模型對測試樣本的預(yù)測精度大幅提高，以完全去除線性特征的WLCB年增長率的增長率數(shù)據(jù)為輸入的BP模型預(yù)測精度進(jìn)一步提高，達(dá)到最優(yōu)。

3 結(jié)語

本文提出以相鄰兩年的WLCB年增長率的增長率序列作為網(wǎng)路的輸入，建立基于BPNN的WLCB預(yù)測模型，對我國的WLCB進(jìn)行預(yù)測，仿真實驗表明，改進(jìn)的BPNN模型預(yù)測準(zhǔn)確率明顯優(yōu)于未經(jīng)過數(shù)據(jù)處理的單一BPNN模型及以WLCB的增長率為輸入的BP模型的預(yù)測準(zhǔn)確率。這一思想方法可以平移到其他的帶有增長趨勢的BPNN預(yù)測問題以及其他神經(jīng)網(wǎng)絡(luò)的預(yù)測中。

[1]楊培華.基于拉動系數(shù)時間序列法的物流市場容量預(yù)測[J].消費導(dǎo)刊,2009(9).

[2]李慧.線性回歸預(yù)測與控制在物流作業(yè)成本法中的應(yīng)用[J].重慶交通學(xué)院學(xué)報,2004(6).

[3]陳德良,王文科.多元線性回歸模型在物流需求預(yù)測中的應(yīng)用[J].中國物流與采購,2009(20).

[4]濮帥.江蘇物流需求預(yù)測分析[J].物流科技,2009(9).

[5]梁娜.基于前饋型神經(jīng)網(wǎng)絡(luò)股價預(yù)測的一點改進(jìn)[J].科技創(chuàng)業(yè)月刊,2007(8).

[6]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實現(xiàn)[M].北京:電子工業(yè)出版社,2005.