基于神經網絡模型的中國農產品物流需求預測

張娜

摘 要：以BP神經網絡模型為預測方法，對2003年～2012年我國農產品的物流需求進行模擬，并對未來我國農產品的物流需求的情況進行預測。結果顯示，由BP神經網絡模型模擬的數據精度較高，驗證了該方法在數據擬合和預測領域具有較強的實用性。而對于農產品物流需求的預測結果表明，短期內我國農產品物流需求的增長狀況仍然是非常可觀的。

關鍵詞：神經網絡模型;農產品;物流需求;預測

一、引言

農產品是我國居民生活必需的產品，在城鄉居民消費中都占有較大的比重。農業向來是支撐我國經濟社會發展的基礎產業。隨著我國區域經濟的發展和人民生活水平的提高，農產品供給和需求都得到顯著提高。隨之引致的農產品物流供給和物流需求也不斷增加。在這種發展趨勢下，如何協調農產品物流供給和物流需求均衡是值得關注的問題。對于農產品物流提供者來說，對農產品物流需求進行合理預測，是保證農產品物流供給滿足需求的重要手段，是維持農產品物流供求均衡的重要依據。與此同時，合理地預測農產品的物流需求，也能促進農產品社會物流維持更好更快地發展。

二、農產品物流需求預測的關鍵因素

從我國農產品市場供求關系、農產品市場發展的協調性等多方面來看，農產品物流需求規模變化的主要影響因素包括我國經濟發展水平、農產品產量、居民消費水平、居民消費結構、科技發展水平等。單從經濟學角度來看，農產品物流需求是一種派生的需求，它除了受宏觀經濟因素影響之外，還受到農產品消費和使用、農產品生產等各類微觀因素影響。隨著我國經濟發展水平不斷提升、產業結構不斷優化、資源配置不斷調整，農產品的物流需求也將不斷發生變化。因此，我們可以認為我國農產品物流需求與經濟社會發展之間存在極大的關聯。由此，利用反映經濟社會發展的各項指標對我國農產品的物流需求進行預測，是具有可行性的。

在衡量農產品物流需求時，本文采用農產品物流需求規模的指標。該指標主要反映了我國農產品物流需求的總量，是農產品生產決策過程中必須明晰的首要指標。根據我國經濟社會發展的特征及與農產品物流需求的聯系，本文設置了可以反映農產品物流需求規模的指標。

在宏觀經濟層面上，選擇我國國內生產總值和農產品產量兩個指標。國內生產總值反映了我國總體經濟發展水平;農產品產量則反映了農產品的供給水平，是衡量農業發展的重要指標。在消費經濟層面上，選擇居民消費支出總額和農產品消費占總消費的比重兩個指標。居民消費支出總額是我國消費規模的體現，而農產品消費占總消費的比重則反映了農產品消費在整個消費市場中的地位，也是我國農產品物流需求的重要衡量指標。在物流運輸層面上，選擇農產品物流總額、總貨運量、貨運周轉量和社會物流總額四個指標。農產品物流需求的預測實質上就是對量的變化趨勢的一個把握，可用物流量或物流額來反映，而農產品物流總額正是農產品需求量的重要衡量指標;總貨運量、貨運周轉量和社會物流總額是對我國運輸總體水平的把握，反映了我國物流經濟增長的情況。在運輸方式層面上，選擇鐵路農產品運輸量指標。在目前我國區域內和區域間農產品運輸方式上以鐵路最為普遍，因此采用這種方式的農產品運輸量指標。

三、我國農產品物流需求預測實的證分析

1.樣本說明

本文選取我國歷年的農產品物流數據樣本，對我國農產品物流需求進行預測，選取樣本的時間序列為2003年至2012年。各指標定義如下：Y表示我國農產品物流需求總額（單位：億元），X1表示國內生產總值（單位：億元），X2表示我國農產品產量（單位：萬噸），X3表示居民人均消費支出額（單位：元），X4表示農產品消費占總消費的比重（單位：%），X5表示我國總貨運量（單位：萬噸），X6表示我國貨運周轉量（單位：億噸·公里），X7表示我國社會物流總額（單位：億元），X8表示我國鐵路農產品運輸量（單位：萬噸）。以上指標的原始數據來自于《中國統計年鑒》、《中國物流年鑒》和國研網統計數據庫。由于我國農產品物流需求的部分數據無法獲取，故采用如下方法間接計算得到：農產品的物流總額=同時期農產品的商品產值-農業生產者直接通過集市貿易售-居民消費農產品總額。

以上指標的數據如表1所示。

2.數據處理

由于上述指標單位不一，無法進行指標間的比較或整合，因此通過歸一化方法對原始指標數據進行無量綱處理。設第j個指標的第i個數據為xij，第j個指標所有數據中的最大值為maxxij，最小值為minxij，考慮到以上所有指標都為正向指標，因此歸一化方法的計算公式如下：

x*ij=（xij-minxij）/（maxxij-minxij） ? ? ? （1）

其中，x*ij為xij的無量綱化結果。

3.基于神經網絡模型實證分析

為了對我國農產品的物流需求進行較為精確地預測，采用BP神經網絡模型，通過SPSS軟件進行仿真試驗，得到神經網絡體系圖如圖1所示。發現當隱層的神經元數目值為6時，該仿真結果是最能確保BP神經網絡模型的預測精度的。因此，本文選取神經網絡的輸入層為8個神經元，隱層為6個神經元，輸入層為1個神經元 ？

■

圖1 神經網絡體系圖

利用SPSS軟件，可以得到BP神經網絡學習過程中的各個參數，結果如表2所示 ？

圖2給出了由BP神經網絡模型得到的模擬預測效果，由圖可知，通過BP神經網絡模型預測得到的歷年我國農產品物流需求總額與農產品實際物流需求總額在二維坐標內基本能維持在45%線上，也就是說，該模型的模擬效果是比較好的。圖3給出了由BP神經網絡模型得到的模擬結果的誤差值，由圖可知，大部分數據的預測誤差值能維持在300以內。由于我國農產品物流需求總額的基數龐大，因此圖2所有的誤差值相對是很小的，這也表明了由BP神經網絡模型得到的模擬精度較高。endprint

■

圖2 BP神經網絡模型學習得到的模擬結果

■

圖3 BP神經網絡模型模擬結果的誤差值

將BP神經網絡模型模擬得到的預測值與實際值進行量化比較：

ei=（yi*-yi）/yi ? ? ? ? ? ? ? ?（2）

其中，ei為相對誤差，yi為實際值，yi*為預測值。每年預測值與實際值的相對誤差結果如表3所示。

由表2的結果可知，除了2003年我國農產品物流總額的預測相對誤差較高（5.9911%）以外，其余年份我國農產品物流總額的預測相對誤差均在-2%和2%，即相對誤差的變化具有較強的穩定性。因此，我們認為采用BP神經網絡模型進行模擬的結果是較為理想的。

因為上述模擬結果的誤差控制在較小范圍，模擬精度較高，因此可以根據該模型對未來我國農產品的物流需求水平進行預測。筆者預測了2013年、2014年和2015年我國農產品的物流需求總額，具體預測結果如表4所示。

表4 2013年～2015年我國農產品物流需求總額預測

■

由預測結果可知，我國農產品物流需求在2012年以后的未來三年內還將持續保持穩定的增長，三年的平均增長率約為9%。由此可見，短期內我國農產品物流需求的增長狀況仍然是良好的，這也就為農產品物流的發展提供了經驗上的支持。國內規模以上物流企業應把握農產品物流市場日益壯大的統特征，不斷引領全國農產品物流全面發展;中小物流企業應及時抓住機遇，不斷拓寬業務范圍，爭取增加農產品物流服務半徑，提高農產品物流能力，滿足農產品物流日益增長的需求。

四、結論與評價

本文結合我國經濟社會的發展及農產品市場的發展情況，從宏觀經濟、消費經濟、物流運輸量和運輸方式四個層面提取了能夠反映區域農產品物流需求的定量指標。然后，基于BP神經網絡模型，以我國農產品物流相關數據為樣本，對農產品物流需求的數據進行模擬，并對未來我國農產品物流需求進行預測。通過比較2003～2012年我國農產品物流需求的原始數據與BP神經網絡模型模擬數據可知，由BP神經網絡模型模擬的數據精度較高，因此該方法可用于對未來我國農產品物流需求的變化趨勢進行預測。

根據本文對我國農產品物流需求的預測結果，至少在短期內我國農產品物流需求的增長狀況仍然是良好的，這也就為農產品物流市場的拓展提供了經驗上的支持。因此，國內規模以上物流企業以及中小型物流企業都應充分把握這個時機，不斷提高農產品物流能力，滿足農產品物流日益增長的需求。

參考文獻：

[1]候媛彬，杜京義，汪梅.神經網絡[M].西安：西安電子科技大學出版社，2007.

[2]郭娟.我國農產品物流的現狀分析及對策研究[J].農業經濟，2013，（6）：119-120.

[3]張郴，張捷.中國入境旅游需求預測的神經網絡集成模型研究[J].地理科學，2011，31（10）：1208-1212.endprint

■

圖2 BP神經網絡模型學習得到的模擬結果

■

圖3 BP神經網絡模型模擬結果的誤差值

將BP神經網絡模型模擬得到的預測值與實際值進行量化比較：

ei=（yi*-yi）/yi ? ? ? ? ? ? ? ?（2）

其中，ei為相對誤差，yi為實際值，yi*為預測值。每年預測值與實際值的相對誤差結果如表3所示。

由表2的結果可知，除了2003年我國農產品物流總額的預測相對誤差較高（5.9911%）以外，其余年份我國農產品物流總額的預測相對誤差均在-2%和2%，即相對誤差的變化具有較強的穩定性。因此，我們認為采用BP神經網絡模型進行模擬的結果是較為理想的。

因為上述模擬結果的誤差控制在較小范圍，模擬精度較高，因此可以根據該模型對未來我國農產品的物流需求水平進行預測。筆者預測了2013年、2014年和2015年我國農產品的物流需求總額，具體預測結果如表4所示。

表4 2013年～2015年我國農產品物流需求總額預測

■

由預測結果可知，我國農產品物流需求在2012年以后的未來三年內還將持續保持穩定的增長，三年的平均增長率約為9%。由此可見，短期內我國農產品物流需求的增長狀況仍然是良好的，這也就為農產品物流的發展提供了經驗上的支持。國內規模以上物流企業應把握農產品物流市場日益壯大的統特征，不斷引領全國農產品物流全面發展;中小物流企業應及時抓住機遇，不斷拓寬業務范圍，爭取增加農產品物流服務半徑，提高農產品物流能力，滿足農產品物流日益增長的需求。

四、結論與評價

本文結合我國經濟社會的發展及農產品市場的發展情況，從宏觀經濟、消費經濟、物流運輸量和運輸方式四個層面提取了能夠反映區域農產品物流需求的定量指標。然后，基于BP神經網絡模型，以我國農產品物流相關數據為樣本，對農產品物流需求的數據進行模擬，并對未來我國農產品物流需求進行預測。通過比較2003～2012年我國農產品物流需求的原始數據與BP神經網絡模型模擬數據可知，由BP神經網絡模型模擬的數據精度較高，因此該方法可用于對未來我國農產品物流需求的變化趨勢進行預測。

根據本文對我國農產品物流需求的預測結果，至少在短期內我國農產品物流需求的增長狀況仍然是良好的，這也就為農產品物流市場的拓展提供了經驗上的支持。因此，國內規模以上物流企業以及中小型物流企業都應充分把握這個時機，不斷提高農產品物流能力，滿足農產品物流日益增長的需求。

參考文獻：

[1]候媛彬，杜京義，汪梅.神經網絡[M].西安：西安電子科技大學出版社，2007.

[2]郭娟.我國農產品物流的現狀分析及對策研究[J].農業經濟，2013，（6）：119-120.

[3]張郴，張捷.中國入境旅游需求預測的神經網絡集成模型研究[J].地理科學，2011，31（10）：1208-1212.endprint

■

圖2 BP神經網絡模型學習得到的模擬結果

■

圖3 BP神經網絡模型模擬結果的誤差值

將BP神經網絡模型模擬得到的預測值與實際值進行量化比較：

ei=（yi*-yi）/yi ? ? ? ? ? ? ? ?（2）

其中，ei為相對誤差，yi為實際值，yi*為預測值。每年預測值與實際值的相對誤差結果如表3所示。

由表2的結果可知，除了2003年我國農產品物流總額的預測相對誤差較高（5.9911%）以外，其余年份我國農產品物流總額的預測相對誤差均在-2%和2%，即相對誤差的變化具有較強的穩定性。因此，我們認為采用BP神經網絡模型進行模擬的結果是較為理想的。

因為上述模擬結果的誤差控制在較小范圍，模擬精度較高，因此可以根據該模型對未來我國農產品的物流需求水平進行預測。筆者預測了2013年、2014年和2015年我國農產品的物流需求總額，具體預測結果如表4所示。

表4 2013年～2015年我國農產品物流需求總額預測

■

由預測結果可知，我國農產品物流需求在2012年以后的未來三年內還將持續保持穩定的增長，三年的平均增長率約為9%。由此可見，短期內我國農產品物流需求的增長狀況仍然是良好的，這也就為農產品物流的發展提供了經驗上的支持。國內規模以上物流企業應把握農產品物流市場日益壯大的統特征，不斷引領全國農產品物流全面發展;中小物流企業應及時抓住機遇，不斷拓寬業務范圍，爭取增加農產品物流服務半徑，提高農產品物流能力，滿足農產品物流日益增長的需求。

四、結論與評價

本文結合我國經濟社會的發展及農產品市場的發展情況，從宏觀經濟、消費經濟、物流運輸量和運輸方式四個層面提取了能夠反映區域農產品物流需求的定量指標。然后，基于BP神經網絡模型，以我國農產品物流相關數據為樣本，對農產品物流需求的數據進行模擬，并對未來我國農產品物流需求進行預測。通過比較2003～2012年我國農產品物流需求的原始數據與BP神經網絡模型模擬數據可知，由BP神經網絡模型模擬的數據精度較高，因此該方法可用于對未來我國農產品物流需求的變化趨勢進行預測。

根據本文對我國農產品物流需求的預測結果，至少在短期內我國農產品物流需求的增長狀況仍然是良好的，這也就為農產品物流市場的拓展提供了經驗上的支持。因此，國內規模以上物流企業以及中小型物流企業都應充分把握這個時機，不斷提高農產品物流能力，滿足農產品物流日益增長的需求。

參考文獻：

[1]候媛彬，杜京義，汪梅.神經網絡[M].西安：西安電子科技大學出版社，2007.

[2]郭娟.我國農產品物流的現狀分析及對策研究[J].農業經濟，2013，（6）：119-120.

[3]張郴，張捷.中國入境旅游需求預測的神經網絡集成模型研究[J].地理科學，2011，31（10）：1208-1212.endprint