長江液貨危險品船運力供需預警指標體系構建

丁濤++花澤春++徐存意++高雙

【摘 要】 為更好地監測液貨危險品船舶動力供需狀況，構建長江液貨危險品船運力供需預警指標體系，選取2005―2015年指標統計數據，采用信息熵組合預測模型計算出目標年份的指標預測值，結合BP神經網絡明確預測年份的供需度，參考劃分的警情范圍得到預測年份的長江液貨危險品船運力供需情況基本符合歷史波動趨勢。該預測結果能為液貨危險品運輸市場運力調控提供參考。

【關鍵詞】 船舶運力；液貨危險品；BP神經網絡；供需預警

0 引 言

目前國內學者對船舶運力預警方面所作的研究較少，尤其是關于液貨危險品船運力供需預警的研究。船舶運力供需關系的不均衡嚴重影響了航運市場的健康、快速運轉，市場監測體系不健全成為亟待解決的問題。從新的角度分析運力供需關系，建立一個能夠更加科學、合理和高精度量化供需配比關系的模型，對運輸市場運力均衡狀態和發展趨勢作出預警提示，具有非常重要的意義。

縱觀運力研究文獻，關于船舶運力方面的研究主要集中在運價預測、運力結構優化、運力供需關系等方面。范永輝等[1]以油船運價指數為研究對象，利用灰色模型探討其作用機理，發現了影響運價指數波動的三大關鍵因素。LI等[2]以集裝箱港口為例分析了港口供需平衡性問題。宋娜[3]以巴拿馬型船為研究對象，分析及預測了其運力供給情況，利用自回歸積分滑動平均模型（ARIMA）對波羅的海干散貨運價指數進行波動分析和未來趨勢預測。本文根據預警系統的構成來設計運力供需預警系統，結合熵值組合預測模型、BP神經網絡模型，實現運力供需警情預報功能。

1 構建供需預警指標體系

根據預警警情指標影響因素分析，結合當前航運市場發展和預警管理現狀，在預警指標選取的原則下，參考運力供需研究文獻、經濟預警文獻和原有行業評價指標，考慮實際操作中數據的收集量，通過歸納、綜合和補充，建立長江液貨危險品船運力供需預警指標體系（見圖1）。

3 實例分析

3.1 基于熵值法的組合預測

選取2005―2015年長江液貨危險品船運力供需指標統計數據，綜合分析各指標歷史走勢發現，二次產業比率、企業數量、平均企業擁有船舶數量等指標走勢基本穩定，預測年份內變化不大。因此，本文假定這些指標保持不變，分別取值為0.5、258家、15艘/家。根據預測原理，對長江液貨危險品運力供需指標進行預測，結果見表1。

3.2 警限計算

結合運力供需預警指標，在確定預警指標警限時，采用u- 法結合經驗數據進行警限劃分。采取u 2 、u /2、u+ /2，u+2 依次定位4個臨界點，將長江液貨危險品船運力供需指標劃分為4條警線。

根據歷年長江液貨危險品船運力供需綜合情況分析，令u=1， =0.1；借鑒交通信號燈系統，分別以不同顏色的燈表示各種運力供需關系狀態。預警指標警情系數警限劃分見表2。

3.3 基于BP神經網絡的預測分析

3.3.1 網絡構建訓練

本文將從總樣本中抽取9個樣本作為訓練集，剩余的2個樣本作為測試集。通過Matlab 7.0軟件設計一個層數為3、隱含層節點數為23、輸入層節點數為11、輸出層節點數為1的BP神經網絡模型。根據網絡運行的實際效率，最后節點定為25。經過反復試驗，當誤差最小時，網絡的精確度為，訓練步數為步，輸入層和隱含層的變換函數為satlin和Purelin，訓練函數為Trainbfg。

3.3.2 預測仿真

以訓練好后BP神經網絡對2016―2018年長江液貨危險品船運力供需數據進行仿真預測，網絡訓練模型誤差水平基本符合要求。由表2可知，預測年份的長江液貨危險品船運力供需警情見表3。

4 結 語

預測年份的長江液貨危險品船運力供需情況基本符合歷史波動趨勢。因此，構建的BP神經網絡模型性能良好，多種模型的結合對運力供需系統起到警情預報的作用，為預測未來市場運力給出了合理的量化數據，可為航運市場提前做好船舶運力調整提供有價值的參考。

參考文獻：

[1] 范永輝，楊華龍，張寶華.基于灰色關聯理論的油輪運價指數波動分析[J].大連海事大學學報，2009，35（11）：31-34.

[2] LI S J，MA Z J，QU N，et a1.Research on Supply and Demand Balance of China Coastal Container Port[J].Economic Research Guide，2011（10）：168-169.

[3] 宋娜.巴拿馬型船舶干散貨運輸市場分析[D].大連：大連海事大學，2008.