本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究，由筆耕文化傳播整理發(fā)布。

農(nóng)業(yè)技術(shù)經(jīng)濟(jì)２０１０年第２期

基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究‘
王新利趙琨
（黑龍江八一農(nóng)墾大學(xué)經(jīng)濟(jì)管理學(xué)院大慶１６３３ １９）

內(nèi)容提要農(nóng)產(chǎn)品物流不僅具有一般性物流的共同特點(diǎn)，而且具有獨(dú)特性和復(fù)雜性，這
導(dǎo)致利用一般方法進(jìn)行農(nóng)產(chǎn)品物流需求預(yù)測不僅難度大，而且精度差。為克服單項(xiàng)物流需 求預(yù)測的局限性及

農(nóng)產(chǎn)品物流數(shù)據(jù)的不完整性，本文利用神經(jīng)網(wǎng)絡(luò)理論，建立基于ＢＰ神經(jīng) 網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流預(yù)測模型，并利用ＢＰ神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過程中具有工作信號正向傳播和 誤差信號反向傳播的特點(diǎn)，通過權(quán)值的不斷修正，使網(wǎng)絡(luò)的實(shí)際輸出向量更加接近期望的輸 出值，從而極大程度提高了物流預(yù)測的準(zhǔn)確性。經(jīng)農(nóng)產(chǎn)品物流預(yù)測實(shí)例分析，驗(yàn)證了基于 ＢＰ神經(jīng)網(wǎng)絡(luò)模型建立的物流需求預(yù)測模型的準(zhǔn)確性與科學(xué)性。從而印證了人工神經(jīng)網(wǎng)絡(luò) 在物流領(lǐng)域中的應(yīng)用具有更加廣泛的發(fā)展?jié)摿Α?關(guān)鍵詞ＢＰ神經(jīng)網(wǎng)絡(luò)農(nóng)產(chǎn)品物流量預(yù)測

一、弓Ｉ

言

農(nóng)產(chǎn)品物流對于國民經(jīng)濟(jì)的發(fā)展及公民生活水平的提高至關(guān)重要，準(zhǔn)確把握、預(yù)測農(nóng)產(chǎn)品物流需 求有助于制定合理的農(nóng)產(chǎn)品物流規(guī)劃、促進(jìn)國民經(jīng)濟(jì)可持續(xù)發(fā)展、提高公民生活水平。近年來，國內(nèi)

外很多學(xué)者在物流需求預(yù)測上，提出了很多有創(chuàng)新性和實(shí)踐意義的方法。歸納起來，主要有代表性和
實(shí)用價值的有五類：時間序列非線性需求模型（ａ
ｇｒｅｓｓｉｏｎ Ａｎａｌｙｔｉｃ Ｃｈａｏｓ ａｎｄ Ｎｏｎｌｉｎｅａｒｉｔｙ

Ｉｎｖｅｓｔｉｇａｔｉｏｎ）、回歸分析（Ｒｅ．

Ａｎａｌｙｓｉｓ）、時間序列模型（Ｔｉｍｅ Ｓｅｒｉｅｓ）、灰色理論（Ｇｒｅｙ Ｔｈｅｏｒｙ）、馬爾可夫分析法（Ｍａｒｋｏｖ Ａｐｐｒｏａｃｈ）。由于這些模型及分析方法各有其不同的前提條件、適用范圍和側(cè)重點(diǎn)，加之相

關(guān)農(nóng)產(chǎn)品物流統(tǒng)計數(shù)據(jù)的影響，在實(shí)際應(yīng)用時各有利弊。其表現(xiàn)為，預(yù)測的結(jié)果與實(shí)際需求值誤差較 大。如何提高預(yù)測的精度，就成為學(xué)者研究的熱點(diǎn)問題。為此，利用神經(jīng)網(wǎng)絡(luò)理論，通過建立基于ＢＰ 神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，，將經(jīng)濟(jì)數(shù)據(jù)與時間序列相結(jié)合，以期達(dá)到精確預(yù)測農(nóng)產(chǎn)品物流需求的目的。

二、農(nóng)產(chǎn)品物流需求的界定
（一）農(nóng)產(chǎn)品物流需求的概念

關(guān)于農(nóng)產(chǎn)品物流需求的定義，許多專家和學(xué)者們從現(xiàn)代物流、經(jīng)濟(jì)學(xué)等方面對其進(jìn)行了闡述，但
至今仍然沒有一個令各方滿意的結(jié)論。從農(nóng)產(chǎn)品物流需求的主體角度看，農(nóng)產(chǎn)品物流需求可定義為， 一定時期內(nèi)由社會經(jīng)濟(jì)活動引起的，對生產(chǎn)、流通、消費(fèi)等領(lǐng)域的農(nóng)產(chǎn)品配置而產(chǎn)生的對農(nóng)產(chǎn)品在空 間、時間和費(fèi)用等方面的要求。為此，農(nóng)產(chǎn)品物流需求涉及包括運(yùn)輸、存儲、包裝、裝卸搬運(yùn)、流通加

?項(xiàng)目來源：國家自然基金項(xiàng)目（編號：７０６７２１１７）：大宗農(nóng)產(chǎn)品供應(yīng)鏈寫作定價繼承機(jī)制理論與模型研究

６２

萬方數(shù)據(jù)

王新利等：基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究

工、價值增值、物流信息等方面。 （二）農(nóng)產(chǎn)品物流需求的特點(diǎn) 由于農(nóng)產(chǎn)品物流是物流體系中的一個部分，因此農(nóng)產(chǎn)品物流需求具有一般性物流需求的共同特 點(diǎn)，即派生性、復(fù)雜性、時間性、空間性（廖偉，２００５）。此外，農(nóng)產(chǎn)品物流與工業(yè)品物流相比又有其獨(dú) 特性。 １．農(nóng)產(chǎn)品物流需求范圍廣、規(guī)模大。由于農(nóng)業(yè)不僅包括種植業(yè)，而且還包括林業(yè)、養(yǎng)殖業(yè)（畜牧 業(yè)、漁業(yè)）及副業(yè)等。因此，農(nóng)產(chǎn)品包括谷物、油料作物、蔬菜、林產(chǎn)品、畜產(chǎn)品、水產(chǎn)品等。在現(xiàn)實(shí)生 活中大量的農(nóng)產(chǎn)品，不僅可直接轉(zhuǎn)化成消費(fèi)品、原材料（種子、飼料），而且部分農(nóng)產(chǎn)品需要先行轉(zhuǎn)換 為輕工業(yè)的原材料，而后再轉(zhuǎn)換成消費(fèi)品。這使得農(nóng)產(chǎn)品物流需求不僅涉及農(nóng)業(yè)部門，而且涉及工業(yè) 部門、流通部門、消費(fèi)者。可見，農(nóng)產(chǎn)品物流需求涉及的范圍廣、規(guī)模大。 ２．農(nóng)產(chǎn)品物流需求復(fù)雜。農(nóng)產(chǎn)品物流不僅范圍廣、涉及部門多，而且農(nóng)產(chǎn)品種類繁多。農(nóng)產(chǎn)品 物流需求不僅涉及農(nóng)產(chǎn)品生產(chǎn)者自身，而且涉及工業(yè)品生產(chǎn)者和消費(fèi)者。所以，農(nóng)產(chǎn)品物流需求十分 復(fù)雜。 ３．農(nóng)產(chǎn)品物流需求相對獨(dú)立。農(nóng)產(chǎn)品生產(chǎn)具有特殊性，包括自然再生產(chǎn)與謇十會再生產(chǎn)。它不僅 受人為因素影響，還受自然因素影響。農(nóng)產(chǎn)品生產(chǎn)的特殊性決定了農(nóng)產(chǎn)品生產(chǎn)在基礎(chǔ)設(shè)施、倉儲、運(yùn) 輸?shù)榷喾矫婢哂邢鄬Κ?dú)立性。 （三）農(nóng)產(chǎn)品物流需求預(yù)測尚存的阻礙 農(nóng)產(chǎn)品物流需求預(yù)測的準(zhǔn)確性，不僅受到農(nóng)產(chǎn)品物流特殊性的制約，而且還受到一些客觀性條件 制約。例如：（１）物流統(tǒng)計制度和體系不健全。當(dāng)前我國還沒有建立系統(tǒng)完整的物流統(tǒng)計制度，更不 用說農(nóng)產(chǎn)品物流領(lǐng)域的統(tǒng)計制度；（２）物流統(tǒng)計不能涵蓋物流活動全部過程；（３）物流統(tǒng)計指標(biāo)過于 單一。到目前為止，我國只有基本的貨物運(yùn)輸量和貨運(yùn)周轉(zhuǎn)量統(tǒng)計，其他與物流產(chǎn)業(yè)相關(guān)的指標(biāo)均沒 有公開的統(tǒng)計資料，也沒有權(quán)威的統(tǒng)計方法和基礎(chǔ)數(shù)據(jù)（楊浩，２００５）。因此，致使在進(jìn)行物流需求預(yù) 測時不能通過直接指標(biāo)來衡量需求規(guī)模的大小。 與此相對應(yīng)在建立農(nóng)產(chǎn)品物流需求預(yù)測模型時也遇到了較多的阻礙，包括：干擾因素與系統(tǒng)影響 因素較多；構(gòu)建的預(yù)測模型復(fù)雜；影響因素與需求量之間呈非線性關(guān)系；影響農(nóng)產(chǎn)品物流需求的各因 素之間存在著較明顯相關(guān)性，運(yùn)用傳統(tǒng)的統(tǒng)計方法很難剔除影響明顯的因素，這就造成了一些常用的 預(yù)測方法出現(xiàn)退化（孫崎峰等，２００８）。

三、基于ＢＰ神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測模型的建立
神經(jīng)網(wǎng)絡(luò)具有非線性、曲線擬合能力、學(xué)習(xí)能力和抗干擾能力，是一種通用的非線性函數(shù)逼近工

具。通過對ＢＰ神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，特別適用于構(gòu)造非線性預(yù)測函數(shù)，而且精度可以達(dá)到預(yù)定的要求。
農(nóng)產(chǎn)品物流需求具有的自身特點(diǎn)，正好適應(yīng)了神經(jīng)網(wǎng)絡(luò)的性能。所以從理論上講，對農(nóng)產(chǎn)品物流 需求進(jìn)行預(yù)測時，神經(jīng)網(wǎng)絡(luò)是一個比較優(yōu)越的模型分析方法。 （一）模型中數(shù)據(jù)指標(biāo)的確定 由于在實(shí)際工作中搜集農(nóng)產(chǎn)品物流需求數(shù)據(jù)十分困難，在模型中采用間接指標(biāo)法。即利用與農(nóng) 產(chǎn)品物流需求以外的相關(guān)經(jīng)濟(jì)指標(biāo)，建立農(nóng)產(chǎn)品物流需求的經(jīng)濟(jì)指標(biāo)體系，通過數(shù)學(xué)方式進(jìn)行歸納與 推導(dǎo)，從而確定農(nóng)產(chǎn)品物流需求模型。 由于農(nóng)產(chǎn)品物流需求是一種派生需求，因此農(nóng)產(chǎn)品物流需求的大小與其本身需求有著密切的關(guān) 系。從宏觀層面上考慮主要包括內(nèi)外兩部分因素：農(nóng)產(chǎn)品自身產(chǎn)能情況、外部經(jīng)濟(jì)環(huán)境及調(diào)控影響。 從根本上說，農(nóng)產(chǎn)品自身產(chǎn)能是農(nóng)產(chǎn)品物流需求的關(guān)鍵因素。農(nóng)產(chǎn)品產(chǎn)值和產(chǎn)量越高，農(nóng)產(chǎn)品物流需
６３

萬方數(shù)據(jù)

農(nóng)業(yè)技術(shù)經(jīng)濟(jì)２０１０年第２期

求增長隨之增快；如果農(nóng)產(chǎn)品產(chǎn)值和產(chǎn)量減少，將導(dǎo)致農(nóng)產(chǎn)品物流需求不足和下降。因此，本文選取 農(nóng)林牧漁業(yè)產(chǎn)值、糧食產(chǎn)量作為預(yù)測農(nóng)產(chǎn)品物流需求的指標(biāo)。其次，影響農(nóng)產(chǎn)品物流需求的另一個關(guān) 鍵因素來源于外部經(jīng)濟(jì)環(huán)境和國家政策導(dǎo)向。產(chǎn)品消費(fèi)零售總額、農(nóng)村居民人均收入和國家政府用 于農(nóng)業(yè)的支出影響農(nóng)產(chǎn)品物流的需求功能和物流需求規(guī)模，經(jīng)濟(jì)環(huán)境的不斷變好與國家對農(nóng)業(yè)的支 持力度的加大也很大程度上影響農(nóng)產(chǎn)品物流需求規(guī)模的大小。因此，在模型中可將這些相關(guān)經(jīng)濟(jì)指 標(biāo)作為農(nóng)產(chǎn)品需求物流規(guī)模的影響因素，即輸入層神經(jīng)元的５個指標(biāo)。 假設(shè)ｘ�！啊ⅲ骸В�、ｘ，¨’、ｘ。“）、Ｘ“’分別表示不同時期的相關(guān)經(jīng)濟(jì)指標(biāo)體系，Ｙ¨’表示相關(guān)經(jīng)濟(jì)指 標(biāo)影響決定下的農(nóng)產(chǎn)品物流需求規(guī)模，則用方程可表示為： （１）

，，（￡）＝／ｔ茗：¨，菇；¨，菇：¨，戈：¨，石：”）
式中，Ｙ（ｔ）為ＢＰ神經(jīng)網(wǎng)絡(luò)的輸出向量；ｆ為神經(jīng)網(wǎng)絡(luò)連接權(quán)和閾值的決定函數(shù)。 （二）ｌｉＰ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計

根據(jù)農(nóng)產(chǎn)品物流需求的特點(diǎn)，在應(yīng)用神經(jīng)網(wǎng)絡(luò)對農(nóng)產(chǎn)品物流需求預(yù)測時，需要構(gòu)建基于農(nóng)產(chǎn)品物
流量預(yù)測的三層（輸入層、隱含層、輸出層）ＢＰ神經(jīng)網(wǎng)絡(luò)預(yù)測模型（見圖１）。
輸入層隱含層 輸出層

輸入層：輸入層的神經(jīng)元由農(nóng)產(chǎn)品消費(fèi)零售總額、農(nóng)林牧漁
業(yè)產(chǎn)值、糧食產(chǎn)量、農(nóng)村居民人均收入、國家政府用于農(nóng)業(yè)的支 出為基準(zhǔn)，共有５個。 隱含層：本文隱含層的確定是利用有訓(xùn)練的線性基本函數(shù)
Ｙ

的三層神經(jīng)網(wǎng)絡(luò)的經(jīng)驗(yàn)方程。其中：ｓ表示隱含層節(jié)點(diǎn)個數(shù)；ｍ、ｎ 分別表示輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)的個數(shù)，公式（高大啟，１９９７）為： ｓ＝ｍ（凡＋１）＋１

“…………………………’ 圖１三層ＢＰ神經(jīng)網(wǎng)絡(luò)的預(yù)測模型

通過方程可以暫確定隱含層的個數(shù)為１６，在此區(qū)間上增減 若干隱含層節(jié)點(diǎn)，最終確定隱含層單元區(qū)間為ｌＯ—１９，根據(jù)調(diào)整 訓(xùn)練后的誤差分析進(jìn)行調(diào)整。

輸出層：輸出層神經(jīng)元僅是對單一變量進(jìn)行預(yù)測，由此得到的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸出層節(jié)點(diǎn)也 應(yīng)為１（ＹＨ Ｚｗｅｉｆｉ，２００６）。因此，對于本文的預(yù)測結(jié)果也由于僅對農(nóng)產(chǎn)品物流需求量進(jìn)行預(yù)測，因此 輸出層只有ｌ層。

通過利用輸入層傳遞函數(shù)ｔａｎ—ｓｉｇｍｏｉｄ將輸入向量（ｘ｛”，ｘ；”，ｘ；”，ｘ∥，ｘ∥）向前傳播到隱含層。
經(jīng)隱含層傳遞函數(shù)ｌｏｇ—ｓｉｇｍｏｉｄ作用后，把隱含層節(jié)點(diǎn)的輸Ｈ｛向量傳遞到輸出節(jié)點(diǎn)，得到結(jié)果（Ｙａｈｙａ ＨＺ，２００５）。ＢＰ神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過程中有工作信號正向傳播和誤差信號反向傳播的特點(diǎn)。如果網(wǎng)絡(luò) 的實(shí)際輸出與期望輸出（即設(shè)定的輸出向量）之間存在誤差，并且誤差不在允許的范圍之內(nèi)，則轉(zhuǎn)入 反向傳播，將誤差信號沿原來的傳播路線逐層返回，網(wǎng)絡(luò)權(quán)值由誤差反饋進(jìn)行調(diào)節(jié)。通過權(quán)值的不斷 修正，使網(wǎng)絡(luò)的實(shí)際輸出向量更加接近期望的輸出。 （三）ＢＰ神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)的選取 ＢＰ神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)有眾多種，基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求量預(yù)測模型使用的訓(xùn)練函數(shù) 為ＢＦＧＳ準(zhǔn)牛頓ＢＰ算法函數(shù)，此函數(shù)可以訓(xùn)練任意形式的神經(jīng)網(wǎng)絡(luò)，只要它的傳遞函數(shù)對于權(quán)值和 輸入存在導(dǎo)數(shù)即可。為此，可使用的傳遞函數(shù)分別為ｔａｎｓｉｇ和ｌｏｇｓｉｇ，滿足ｔｒａｉｎｂｆｇ的訓(xùn)練前提。 將已經(jīng)確定好的宏觀經(jīng)濟(jì)指標(biāo)作為農(nóng)產(chǎn)品物流需求量模型的輸入樣本，運(yùn)用輸入樣本訓(xùn)練函數(shù) ｔｒａｉｎｂｆｇ，使用不同的輸入向量得到相對應(yīng)的輸出向量，從而建立預(yù)測模型。經(jīng)過不斷的測試，達(dá)到較 小的誤差之后，即可將此網(wǎng)絡(luò)用于農(nóng)產(chǎn)品物流需求量預(yù)測并得到最終的預(yù)測結(jié)果（鹿應(yīng)榮等，２００８）。

萬方數(shù)據(jù)

王新利等：基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究

四、數(shù)據(jù)來源及模型運(yùn)用
（一）樣本選擇

根據(jù)上述模型建立的要求，選擇１９９１－－２００４年與農(nóng)產(chǎn)品需求相關(guān)的經(jīng)濟(jì)指標(biāo)（見表１）。
表１農(nóng)產(chǎn)品物流相關(guān)經(jīng)濟(jì)指標(biāo)

資源來源：相關(guān)年份中國統(tǒng)計年鑒、中國物流年鑒

（二）數(shù)據(jù)樣本集的歸一化處理 將表ｌ數(shù)據(jù)（輸入變量樣本集）矩陣表示為：
４８８５．８０ ５５２３．４０ ５２３７．２０ ６６０３．５０ ８２４３．３０ ９８２２．９０ １０６４８．５０ Ｐ
２

８１５７．００ ９０８４．７０ １０９９５．５０ １５７５０．５０ ２０３４０．９０ ２２３５３．７０

４３５２９．３０ ４４２６５．８０ ４５６４８．８０ ４４５１０．１０ ４６６６１．８０ ５０４５３．５０ ４９４１７．１０ ５１２２９．５０ ５０８３８．６０ ４６２１７．５０ ４５２６３．７０ ４５７０５．８０ ４３０６９．５０ ４６９４６．９０ ４８４０２．２０

７０８．６０ ７８４．００ ９２１．６０ １２２１．００ １５７７．７０ １９２６．１０ ２０９０．１０ ２１６２．００ ２２１０．３０ ２２５３．４０

３４７．５７ ３７６．０２ ４４０．４５ ５３２．９８ ５７４．９３ ７００．４３ ７６６．３９ １１５４．７６ １０８５．７６ １２３１．５４ １４５６．７３ １５８０．７６ １７５４．４５ ２３３７．６３ ２４５０．３１

２３７８８．４０
２４５４１．９０ ２４５１９．１０ ２４９１５．８０ ２６１７９。６０ ２７３９０．６０ ２９６９１．８０ ３６２３９．００ ３９４５０．９０

１１３２７．３０ １２０４３．１０ １３０４２．３０ １４０５１．８０ １５０４１．００ １６０６５．００ １９８０５．００ ２２０８２．００

２３６６．４０
２４７５．６０ ２６２２．２０

２９３６．４０
３２５４．９０

萬方數(shù)據(jù)

農(nóng)業(yè)技術(shù)經(jīng)濟(jì)２０１０年第２期

（三）樣本集數(shù)據(jù)標(biāo)準(zhǔn)化處理 樣本集數(shù)據(jù)標(biāo)準(zhǔn)化處理也稱為歸一化處理，其目的是為了方便計算減少誤差。針對ＢＰ網(wǎng)絡(luò)本 身的特點(diǎn)，對樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理時可采用如下公式：

，，＝警
利用ＭＡＴＬＡＢ軟件，對輸入向量Ｐ矩陣進(jìn)行歸一化處理。 Ｐ（ｉ√）＝ｌｎｌＯ（ｐ（ｉＪ））／１０； Ｔ為輸出向量，即預(yù)測的農(nóng)產(chǎn)品物流總額。

（２）

ｒ＝Ｉ

３２５２

３３３５

４２８１

６１０４

７９５１

１０２９１ １１２６１ 輸 １． １９７０ 將 １２７４８ ２ ８ ９６３４ ３１ ９Ｔ１０９８６ 量出

８６１；８９：）６

９１６０

１……………’一。
矩陣進(jìn)行歸一化處理。
０．２５４１０ ０．２５７５２ Ｏ．２６４３９ ０．２７２６７ ０．２７５９６ ０．２８４５４ ０．２８８４４ ０．３０６２５ ０．３０３５７ ０．３０９０４ Ｏ．３１６３４ ０．３１９８９ Ｏ．３２４４１ ０．３３６８８ ０．３３８９２ ０．３５１２ ０．３５２３ ０．３６３２ ０．３７８６ Ｏ．３９００ ０．３９３５ ０．３９５４ ０．３９６２ ０．３９６１ ０．３９８４ ０．４０１２ ０．４０４１ ０．４０５２ ０．４０７８ ０．４１０５

ｔ（ｉ）＝ｌｎｌＯ（ｆ（ｉ））／１０； 通過歸一化處理，能夠得到結(jié)果：
０．３６８８９ ０．３７４２２ ０．３７１９ｌ Ｏ．３８１９８ Ｏ．３９１６１ ０．３９９２２ ０．４０２７３ ｐ
＝

０．３９１１５ ０．３９５８３ Ｏ．４０４１２ ０．４１９７３ ０．４３０８４ ０．４３４９３ ０．４３７６４

０．４６３８８ ０．４６４６１ ０．４６５９４ ０．４６４８５ ０．４６６９０ ０．４７０２９ ０．４６９３９ ０．４７０９５ ０．４７０６２

０．２８５０４ ０．２８９４３ ０．２９６４５ ０．３０８６７ Ｏ．３１９８０ ０．３２８４７ ０．３３２０２ ０．３３３４９ ０．３３４４５ ０．３３５２８ ０．３３７４１ ０．３３９３７ ?０．３４１８７ ０．３４６７８ ０．３５１２５

０．４０５４１ ０．４０８０７ ０．４１１５４ ０．４１４７７ ０．４１７７３ ０．４２０５９ ０．４２９６８ ０．４３４４０

０．４３８９９
０．４３８９５ ０．４３９６５ ０．４４１８０ Ｏ．４４３７６ ０．４４７２６ ０．４５５９２ ０．４５９６１

０．４６６４８
０．４６５５８ ０．４６６００ ０．４６３４２ ０．４６７１６ ０．４６８４９

（四）網(wǎng)絡(luò)訓(xùn)練 在對農(nóng)產(chǎn)品物流需求量的預(yù)測時采用單隱含層。ＢＰ網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)采用Ｓ型的 正切函數(shù)ｔａｎｓｉｇ，輸出層神經(jīng)元傳遞函數(shù)采用Ｓ型對數(shù)函數(shù)ｌｎｓｉｇ。由于前面歸一化處理的函數(shù)輸出 均位于［Ｏ，１］，滿足了ＢＰ神經(jīng)網(wǎng)絡(luò)的輸出需要，并運(yùn)用ｔｒａｉｎｂｆｇ函數(shù)進(jìn)行訓(xùn)練。為使農(nóng)產(chǎn)品物流需求 模型預(yù)測更為科學(xué)和準(zhǔn)確，預(yù)測模型擬設(shè)訓(xùn)練結(jié)束滿足條件是訓(xùn)練達(dá)到５０００次或者達(dá)到誤差１０～。

從訓(xùn)練結(jié)果圖中（見圖２）可以看到，在將輸入矩陣Ｅ：（ｉ＝１：１０，ｊ＝１：５，ｋ＝１９９１：２０００）與輸出矩 陣磷（ｉ＝３：１２，ｊ＝６，ｋ＝１９９３：２００２）賦予此模型后，其中：ｉ、ｊ分別表示Ｐ’矩陣的行列向量，ｋ表示
相對應(yīng)的年份，訓(xùn)練達(dá)到１０９次后達(dá)到了誤差１０。的要求。訓(xùn)練通過反復(fù)迭代，得到網(wǎng)絡(luò)權(quán)值和 閾值。

萬方數(shù)據(jù)

王新利等：基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究

Ｐｅｒｆｏｒｍａｎｃｅ ｉｓ ９．８２５５７ ｅ－－００６，Ｃｏａｌ ｉｓ ｌｅ－００５

】Ｉｏ日一∞●１ｗｏ�！蓿辍病裢剩。簦稍鳌�，Ｉ‘－

１０９ Ｅｐｏｃｈｓ

圖２訓(xùn)練結(jié)果
—０．３２４７ —０．５０１ｌ 一０．４２１１ 一Ｏ．８３１４ ３．１５０６ —２．８１９４ —２．４１４５ —３．６１８７
Ｗ１＝

—４，０１７５ —０．８２７４ １．９９７１ ３．８８５０ ３．３０１６ ２．００２２ 一１．６５６０ ０．８７７８ ２．４４３３ —３．９２４８ ２．６４４８ ０．５８２８ Ｏ．８９１０ —１．７７０１ ０．４３４８ ３．７５６３ 一１．５３９０ ０．１３３７

１．２７１８ 一１．２４８６ １．０１２３ ２．００８９ —０．８２０９ —０．４６２４ ２．０７９９ ２．１４６３ —０．９７０３ —１．３２４７ ０．８０２３ ０．６３３７ １．４６６９ ０．０７４５ ２．４９０４ —０．０９５２ —２．９１９７

１．６４１５ ４．６０７８ ２．４３０８ ２．６４４９ —０．１２９５ —２．１９９６ １．９４５ｌ 一１．１５４３ —３．４８３ｌ ０．８２８０ ２．１５０７ １．７４１０ ３．４０２７ ３．０７８９ —３．９８０９ 一１．２１８３ ０．４４２９

一１．９５４０ ０．９２７ｌ 一３．６３６６ １．２３０３ １．５６４８ ２．６７７３ ２．８２７５ １．８４６７ —０．６１４９ １．８２６４ １．９０６３ —４．５６５６ ３．０３７６ ２．７７５５ ０．９１４７ —２．１４７８ ３．４５５５

２．０９１５ １．８８７７ ３．０６８２ ０．４００１ —０．６８８９ —２．００７３ １．１２４０ ２．０３０１ —１．１６０３

ｔｈｅｔａｌ＝［４．１４３８

１．０５７９－２．４５７４－４．８７４２

１．４４４６］２

（五）測試數(shù)據(jù)和預(yù)測 根據(jù)此網(wǎng)絡(luò)訓(xùn)練的結(jié)果和設(shè)計好的網(wǎng)絡(luò)對２００４年和２００５年進(jìn)行仿真測試，以驗(yàn)證訓(xùn)練結(jié)果的 可應(yīng)用性。農(nóng)產(chǎn)品物流需求量預(yù)測模型以歸一化處理的Ｐ’矩陣為依據(jù)，提取２００２年和２００３年輸入

矩陣Ｅ：（ｉ＝１１：１２，ｊ＝１：５，ｋ＝２００２：２００３），利用２００２年和２００３年的相關(guān)經(jīng)濟(jì)指標(biāo)仿真訓(xùn)練得到

需要預(yù)測的２００４年和２００５年的農(nóng)產(chǎn)品物流總額標(biāo)準(zhǔn)化值矩陣Ｆ：（ｉ＝１３：１４，ｊ＝６，ｋ＝２００４：
６７

萬方數(shù)據(jù)

農(nóng)業(yè)技術(shù)經(jīng)濟(jì)２０１０年第２期

２００５），即ａ２００４＝Ｏ．４０８８、ａ．加０５＝０．４１０１，再通過公式ｂｉ＝１０‘１“?’進(jìn)行標(biāo)準(zhǔn)化的反轉(zhuǎn)化，得到實(shí)際預(yù)測值 ｂ２００４＝１２２４６．００、ｂ２００５＝１２６１８．００。而２００４年和２００５年農(nóng)產(chǎn)品物流總額的實(shí)際值為１１９７０．００和 １２７４８．００，預(yù)測值與實(shí)際值比較，可知誤差分別為２．３１％和１．０２％。 一般來說，對于經(jīng)濟(jì)指標(biāo)的預(yù)測，誤差能夠控制到４％就算比較準(zhǔn)確的。因此，基于其他經(jīng)濟(jì)數(shù) 據(jù)來建立ＢＰ神經(jīng)網(wǎng)絡(luò)模型預(yù)測農(nóng)產(chǎn)品物流需求有一定的實(shí)用價值。

五、結(jié)論
依據(jù)人工神經(jīng)網(wǎng)絡(luò)理論建立農(nóng)產(chǎn)品物流需求預(yù)測模型，通過ＢＰ神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特征，運(yùn)用 ｔｒａｉｎｂｆｇ函數(shù)進(jìn)行訓(xùn)練，在訓(xùn)練的過程中通過對權(quán)值的不斷修正，使網(wǎng)絡(luò)的實(shí)際輸出向量逐漸地接近 期望的輸出值。最后對仿真預(yù)測結(jié)果與真實(shí)物流量進(jìn)行初步比較分析，結(jié)果證明使用神經(jīng)網(wǎng)絡(luò)模型 預(yù)測精度較高。因此，我們可以得出以下結(jié)論：用ＢＰ神經(jīng)網(wǎng)絡(luò)建立的模型，能夠比較準(zhǔn)確地將有關(guān) 的宏觀經(jīng)濟(jì)數(shù)據(jù)與農(nóng)產(chǎn)品物流需求量結(jié)合，從而可得到較為精確的農(nóng)產(chǎn)品物流需求預(yù)測值。為此可 以推斷，人工神經(jīng)網(wǎng)絡(luò)將在物流領(lǐng)域中的應(yīng)用具有更加廣泛的發(fā)展?jié)摿Α?br />參考文獻(xiàn)
１．Ｂａｈｒａｉｎ

Ａｄ“ｇｉ。Ａｒｊｕｎ

ＣｈａｔｒａｔＥ Ｋａｍｂｉｚ

Ｒａｆｆｉｅｅ。Ｔｈｅ

ｄｅｍａｎｄ

ｆｏｒ ＵＳ

ａｉｒ ｔｒａｎｓｐｏｒｔ

ｓｅｒｖｉｃｅ：ａｃｈａｏｓ ａｎｄ ｎｏｎｌｉｎｅａｒｉｔｙ

ｉｎｖｅａｔｉｇｏ－

ｔｉｏｍ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ

Ｒｅｓｅａｒｃｈ．２００１．Ｐａｎ Ｅ Ｖ０１．３７：３３７—３５３

２．張存祿，黃培清．武漢地區(qū)物流發(fā)展水平灰色預(yù)測．工業(yè)技術(shù)經(jīng)濟(jì)。２００１，（５）：５８～６０ ３．韋司瀅，張金隆，鮑毛昆．物資配送需求預(yù)測的分析．物流技術(shù)，１９９９，（３）：１９—２０

４．廖偉．物流需求分析與物流量研究．西安交通大學(xué)碩十研究生論文，２００５
５．楊浩．區(qū)域經(jīng)濟(jì)和區(qū)域物流需求的預(yù)測研究．對外經(jīng)濟(jì)貿(mào)易大學(xué)Ｔ商管理碩士學(xué)位論文，２００５ ６．孫崎峰，周栩，孫曉峰．基于改進(jìn)ＢＰ神經(jīng)網(wǎng)絡(luò)的公路旅游客流預(yù)測．山東理工大學(xué)學(xué)報（自然科學(xué)版），２００８（６）：７５—７９ ７．高大啟．有教師的線性基本函數(shù)前向三層神經(jīng)嘲絡(luò)結(jié)構(gòu)研究．電路與系統(tǒng)學(xué)報。１９９７（３）：３ｌ一３７
８．ＹＨ Ｚｗｅｉｒｌ．Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ
ａ

Ｔｈｒｅｅ—Ｔｅｒｍ Ｂａｃｋ
３

ｐｒｏｐａｇａｔｉｏｎ ４
ａ

Ａｌｇｏｒｉｔｈｍ Ｕｓｅｄ ｆｏｒ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ Ｌｅａｒｎｉｎｇ．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍ－

ｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ．２００６．Ｖｄｕｍｅ

Ｎｕｍｂｅｒ

９．Ｙａｈｙａ Ｈｚ，［ａｋｍａｌ Ｄ Ｓ，Ｋａｓｐａｒ九Ｓｔａｂｉｌｉｔｙ １３４ｌ—１３４７

ａｎａｌｙｓｉｓ ｏｆ

ｔｈｒｅｅ—ｔｅｒｍ ｂａｃｋｐｒｏｐａｇａｔｉｏｎ ａｌｇｏｒｉｔｈｍ．Ｎｅｕｒａｌ

Ｎｅｔｗｏｒｋｓ，２００５，１８（１０）：

ｌＯ．鹿應(yīng)榮，楊印生。劉洪霞．基于ＢＰ神經(jīng)網(wǎng)絡(luò)的非線性組合預(yù)測模型在糧食物流需求預(yù)測中的應(yīng)用．吉林大學(xué)學(xué)報（工學(xué) 版），２００８（２）：６ｌ一６４

責(zé)任編輯段艷

萬方數(shù)據(jù)



  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究，由筆耕文化傳播整理發(fā)布。