基于RBPNN的海峽西岸經(jīng)濟(jì)區(qū)港口分類

摘 要:利用徑向基概率神經(jīng)網(wǎng)絡(luò)(RBPNN)的統(tǒng)計(jì)方法對(duì)海西西岸經(jīng)濟(jì)區(qū)的港口進(jìn)行規(guī)劃，該方法結(jié)合了概率密度和Bayes最優(yōu)原則，在分類應(yīng)用上表現(xiàn)良好。RBPNN動(dòng)態(tài)自學(xué)習(xí)能力對(duì)海峽西岸經(jīng)濟(jì)區(qū)的分類具有良好的泛化能力，對(duì)各港口未來(lái)的發(fā)展戰(zhàn)略具有良好的指導(dǎo)意義。

關(guān)鍵詞:海峽西岸經(jīng)濟(jì)區(qū);概率神經(jīng)網(wǎng)絡(luò);港口分類

中圖分類號(hào):F22文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-3198(2010)06-0101-01

1 引言

海峽西岸經(jīng)濟(jì)區(qū)須從自身出發(fā)，從區(qū)域角度進(jìn)行協(xié)調(diào)整合，實(shí)現(xiàn)海西西岸長(zhǎng)期可持續(xù)發(fā)展、突破海西兩岸“東強(qiáng)西弱”的格局，成為名副其實(shí)的第四極，并最終構(gòu)建海西經(jīng)濟(jì)區(qū)的重要基礎(chǔ)。本文以相關(guān)因素為基，兼顧時(shí)間因素，通過(guò)徑向基概率神經(jīng)網(wǎng)絡(luò)(RBPNN)這種非聚類的方法對(duì)海峽西岸經(jīng)濟(jì)的港口進(jìn)行分類，并探討各類港口的發(fā)展策略。RBPNN在分類上表現(xiàn)出了良好的特性，不論分類問(wèn)題多復(fù)雜，只要有足夠多訓(xùn)練數(shù)據(jù)，可保證獲貝葉斯準(zhǔn)則下最優(yōu)解。

2 海峽西岸經(jīng)濟(jì)區(qū)港口分類的必要性

海峽西岸經(jīng)濟(jì)區(qū)深水港資源豐富，但缺乏統(tǒng)一規(guī)劃，港口的建設(shè)和發(fā)展緩慢，滯后于其他三個(gè)經(jīng)濟(jì)區(qū)域。區(qū)域內(nèi)部各省市缺乏一體化思想，地方政府自我保護(hù)嚴(yán)重，港口無(wú)序開(kāi)發(fā)和重復(fù)建設(shè)的情況嚴(yán)重。這樣既不利于市場(chǎng)經(jīng)濟(jì)條件下的有序分工和合理競(jìng)爭(zhēng)，也不利于推動(dòng)海峽西岸經(jīng)濟(jì)區(qū)的一體化規(guī)劃。海峽西岸經(jīng)濟(jì)區(qū)的港口總量小，碼頭靠泊能力低，缺乏中心大港，信息化水平低，難以承接世界大型船舶，很多港口僅能滿足沿海和近海運(yùn)輸。這樣的港口狀況制約了港口集約化發(fā)展，弱化競(jìng)爭(zhēng)力。使得海西的人才、資源、資本被南北兩大經(jīng)濟(jì)區(qū)吸引，造成本區(qū)域“邊緣化”。海峽西岸經(jīng)濟(jì)區(qū)港口資源豐富，但海陸交通銜接欠佳，陸路交通已經(jīng)直接制約了沿海港口城市的發(fā)展。海峽西岸經(jīng)濟(jì)區(qū)概念的提出使其在政策上有了恰當(dāng)?shù)奈恢茫瑪U(kuò)展了發(fā)展空間。要使該區(qū)域成為第四大經(jīng)濟(jì)區(qū)，快速發(fā)展，須弱化自身劣勢(shì)，從發(fā)展港口經(jīng)濟(jì)，整合港口資源、規(guī)劃港區(qū)的角度出發(fā)，構(gòu)建海西經(jīng)濟(jì)區(qū)。港口規(guī)劃是一長(zhǎng)期項(xiàng)目，須從各個(gè)方面考慮規(guī)劃內(nèi)容和實(shí)施監(jiān)督過(guò)程。港口分類是進(jìn)行港口規(guī)劃的前提，只有明確各港口在區(qū)域內(nèi)的地位及功能，才能對(duì)其提出合理的并且是可行的規(guī)劃方案。

3 徑向基概率神經(jīng)網(wǎng)絡(luò)(RBPNN)的原理及結(jié)構(gòu)

3.1 RBPNN的模型原理

RBPNN即為概率神經(jīng)網(wǎng)絡(luò)是基于前向徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBF)并吸收RBF神經(jīng)網(wǎng)絡(luò)優(yōu)點(diǎn)發(fā)展而來(lái)，適用于解決分類問(wèn)題。它是利用樣本的先驗(yàn)概率-Bayes定律和最小風(fēng)險(xiǎn)的Bayes決策規(guī)則對(duì)樣本進(jìn)行分類。無(wú)需訓(xùn)練樣本的連接權(quán)值，由給定的訓(xùn)練樣本直接構(gòu)成隱藏層，不易陷入局部最小，是完全前向型的，訓(xùn)練速度更快，時(shí)間更短。RBPNN處理分類問(wèn)題不僅表現(xiàn)出優(yōu)越性，且方法易理解，求解方便，特別是應(yīng)用MATLAB工具箱中強(qiáng)大的神經(jīng)網(wǎng)絡(luò)工具，可實(shí)現(xiàn)性更強(qiáng)。RBPNN具有強(qiáng)大的自組織學(xué)習(xí)功能，容許錯(cuò)誤樣本，適用于不足樣本的情況。

3.2 RBPNN的結(jié)構(gòu)

概率神經(jīng)網(wǎng)絡(luò)由輸入層、模式層、求和層、輸出層共4層組成。輸入層將特征函數(shù)向量傳遞給網(wǎng)絡(luò);模式層計(jì)算輸入層與訓(xùn)練集中各模式的匹配關(guān)系，以其距離送入高斯激活函數(shù)得到模式層的輸出;模式層到求和層以等權(quán)連接來(lái)確定匹配概率;求和層的輸出與各類基于內(nèi)核的概率密度函數(shù)的估計(jì)成比例，通過(guò)輸出層的出來(lái)，便得到各類的概率估計(jì)。具體結(jié)構(gòu)及模式層、求和層和輸出層的公式如圖:

圖1 RBPNN的網(wǎng)絡(luò)結(jié)構(gòu)圖中輸入層以N維向量x為輸入向量;模式層采用RBFNN的模式層即有H個(gè)模式層單元(2HG，G為訓(xùn)練集樣本數(shù);H個(gè)樣本可分為M個(gè)互不相交的類別，Hj為第j類的訓(xùn)練樣本結(jié)點(diǎn)數(shù)，其中H=Hl+HZ+…+HM)。模式層激活函數(shù)選擇gi(x)=exp[-(x-uij)T(x-uij)2σ2]其中uij和σi為模式層第i個(gè)結(jié)點(diǎn)的中心向量和平滑因子;求和層用PNN的求和層，按類別進(jìn)行有選擇的求和連接Gj(x)=∑ieH1π(λij)gi(x)=∑ieH1π(λij)exp[-(x-uij)T(x-uij)2σ2]。其中π(λij)表示第i個(gè)觀測(cè)值屬于第j類且以π(λij)的概率產(chǎn)生。線性層采用RBFNN的線性層，作為網(wǎng)絡(luò)的輸出y=∑Mj=1wjGi(x)其中wj為線性層第j個(gè)結(jié)點(diǎn)的連接權(quán)值。

4 基于RBPNN的海西西岸港口分類模型

4.1 不同類別代表樣本的選取

港口分類這種只存在定性分類標(biāo)準(zhǔn)的類別劃分問(wèn)題，代表樣本的選取非常必要。代表樣本是指在訓(xùn)練樣本集中能夠體現(xiàn)同一類別樣本共同特征的典型樣本，要具有廣泛可接受和被認(rèn)同性。據(jù)《中華人民共和國(guó)港口法》為港口的分類提供的彈性標(biāo)準(zhǔn):(1)港口的地理位置、規(guī)模和能力、對(duì)腹地經(jīng)濟(jì)發(fā)展的影響和作用、對(duì)外開(kāi)放狀況及港口布局的需要;(2)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展對(duì)港口的客觀需要;(3)國(guó)家實(shí)現(xiàn)重大經(jīng)濟(jì)戰(zhàn)略決策的需要，可將區(qū)域內(nèi)港口分為主要港口、重要港口和一般港口。縱觀海西各港口，三種類別的代表港口分別是廈門港、泉州港和漳州港。海西統(tǒng)計(jì)聯(lián)會(huì)肯定了這樣的定位，本文將這三個(gè)港口作為海西港口三種類別的代表樣本是可行的。

4.2 典型樣本向量選取

有了所有類別的代表樣本，就可據(jù)這些樣本，利用訓(xùn)練樣本與代表樣本的核相似度來(lái)初始劃分所有的樣本，從本文的角度考慮，從各個(gè)典型港口的影響因素出發(fā)，將這些影響因素和三個(gè)代表港口的同類因素比較，選取逼近性最佳為該類別的港口。

港口的影響因素復(fù)雜，本文利用RBPNN強(qiáng)大的自學(xué)習(xí)能力，考慮其在缺少樣本時(shí)也能運(yùn)行良好的優(yōu)勢(shì)，選取通用影響因素。由于港口的分類標(biāo)準(zhǔn)和某一港口的類別會(huì)因具體情況變化而調(diào)整，隨時(shí)間發(fā)展而改變，本文考慮時(shí)間影響。這使得所得到的港口分類有較強(qiáng)泛化能力，長(zhǎng)期內(nèi)這樣的分類也具有實(shí)用性。

港口類別的影響因素可從港口本身的特點(diǎn)和港口所在城市的狀況兩方面考慮，且考慮到模型本身的延伸性，最后選定港口分類指標(biāo)為貨物吞吐量(x1)、貨物吞吐量增長(zhǎng)率(x2)、集裝箱量(x3)、集裝箱量增長(zhǎng)率(x4)、GDP值(x5)、第一產(chǎn)業(yè)比例(x6)、第二產(chǎn)業(yè)比例(x7)、第三產(chǎn)業(yè)比例(x8)、進(jìn)出口貿(mào)易總額(x9)、人口(x10)。

4.3 典型港口選取

海西涵蓋的港口眾多，對(duì)各港口進(jìn)行選擇是必要的。從城市的綜合競(jìng)爭(zhēng)實(shí)力、港口的自然條件等各方面進(jìn)行比較，本文選擇了溫州港、寧德港、福州港、莆田港、泉州港、廈門港和漳州港、汕頭港這幾個(gè)港口進(jìn)行比較分類。這些港口是海西的重點(diǎn)發(fā)展港口，但各港口的定位不同，需進(jìn)行分類。

4.4 樣本訓(xùn)練及結(jié)果分析

據(jù)所得樣本集和相關(guān)因素，可建立所需的模型并通過(guò)MATLAB強(qiáng)大的神經(jīng)網(wǎng)絡(luò)工具進(jìn)行訓(xùn)練。先確定每個(gè)港口為一個(gè)訓(xùn)練樣本，港口的相關(guān)影響因素為樣本向量的神經(jīng)元，所有港口為訓(xùn)練樣本集，構(gòu)成模型的輸入向量。其次，將最為代表樣本的各港口的影響因素及關(guān)系作為輸出向量。最后，運(yùn)用最大相似度方法確定各個(gè)樣本歸屬于那三種港口類別。運(yùn)行過(guò)程可通過(guò)MATLAB完成，運(yùn)行代碼為net=newpnn，net=newpnn(P，T，spread)

其中SPREAD就是用來(lái)調(diào)節(jié)，使得樣本以最佳的方式擬合代表類別。通過(guò)MATLAB運(yùn)行得到的結(jié)果為第一類港口只有廈門港，其可作為海峽西岸經(jīng)濟(jì)區(qū)內(nèi)唯一主要港口存在;溫州港、福州港、莆田港和汕頭港同屬第二類港口，作為重要港口進(jìn)行重點(diǎn)發(fā)展;寧德港和泉州港為第三類港口，作為一般性港口對(duì)區(qū)域港口整體規(guī)劃其輔助性作用。

5 結(jié)語(yǔ)

港口的功能定位有利于海西健康發(fā)展，有效避免港口重復(fù)建設(shè)，資源浪費(fèi)。本文通過(guò)RBPNN的方法對(duì)海西西岸經(jīng)濟(jì)區(qū)各港口在該區(qū)域中的地位和功能進(jìn)行劃分，使得港口規(guī)劃可更有針對(duì)性更有效進(jìn)行。RBPNN結(jié)合Parzen概率密度函數(shù)估計(jì)法和Bayes最優(yōu)分類規(guī)則，分類效果顯著。RBPNN運(yùn)行結(jié)果廈門港是海西唯一主要港口，取決于廈門的綜合經(jīng)濟(jì)實(shí)力最強(qiáng)，對(duì)外貿(mào)易活動(dòng)頻繁等優(yōu)勢(shì)。廈門港利用其優(yōu)勢(shì)發(fā)展深水港口，在提高貨物量的同時(shí)調(diào)整貨物結(jié)構(gòu)，集中發(fā)展集裝箱運(yùn)輸，起中心作用。溫州港、福州港、莆田港、漳州港和汕頭港這五個(gè)重要港口分屬三省，各行政區(qū)應(yīng)相互合作，強(qiáng)化一體意識(shí)，協(xié)調(diào)發(fā)展。各港口據(jù)各自貨物特點(diǎn)，自身優(yōu)劣勢(shì)，取長(zhǎng)補(bǔ)短，實(shí)現(xiàn)雙贏的結(jié)果。寧德港和漳州港屬一般港口，競(jìng)爭(zhēng)不強(qiáng)，單獨(dú)發(fā)展?jié)摿Σ淮蟆幍赂劭刹⑷敫Ｖ莞郏垢Ｖ莞鄢蔀楹Ｎ鞯牧硪粎^(qū)域性主要港口和廈門港口形成南北呼應(yīng)局面。漳州港可并入廈門港進(jìn)一步強(qiáng)化廈門港中心地位，也可提升漳州的地位。

參考文獻(xiàn)

[1]武驍，宗蓓華.我國(guó)沿海集裝箱港口層次布局問(wèn)題研究[J].交通運(yùn)輸.

[2]胡明.港口網(wǎng)絡(luò)體系規(guī)劃方法研究[D].大連海事大學(xué)碩士畢業(yè)論文.