神經網絡方法在物流中的應用分析

左明甫 羅菊

摘 要：經濟的快速發展，物流將在未來我國經濟社會中得到更大的重視，。基于這樣的情況，為了完善整個物流系統，相關研究人員提出了采用神經網絡技術來彌補物流中的這一缺陷。

關鍵詞：物流行業；預算；神經網絡方法；應用

1 物流預測

物流行業在我國是一個新興產業，最初的發展尤為重要。因此做好物流預測對整個物流行業的發展前景起到至關重要的作用。物流預測可以將不確定事件發生時的被動情況變為主動，當工作人員已經因為預測出到不確定事件發生，那么他們會制定相應的應急方案，那么在不確定事件發生時，工作人員只需要按方案采取行動即可。物流預測也對減小物流企業損失有很大的幫助，同時也是一股促進物流行業發展的巨大推動力。

在物流行業中的預測，也是需要以現實市場傳遞過來的消息以及環境、距離等具體因素為基礎，在通過相關的神經網絡技術進行物流預測。但是對于現實中的環境、距離以及收集到的信息都不可能是一成不變的，同時也可能會受到調研人的主觀因素影響，進而使得物流預測的基礎都存在一定的偏差，最終導致預測結果出現與現實不符的情況也是在所難免的。

在物流行業中，神經網絡技術是進行物流預測的主要方法，大部門的物流企業都應用該種技術。這都源于它具有預測精準、操作相對簡單等特點。神經網絡技術也可以被細分為以下兩個方面：第一，對物流方面的信息進行定性分析，根據分析結果進行預測。這種分析方法又可以采取很多其他的技術模式來對物流進行建模，不同的建模方法產生不同的預測效果，各有利弊。對于具體選取哪種建模方式，只能根據具體的物流信息來選擇適合的建模方法。雖然這種方法對技術水平以及現實信息的精準度要求較高，但對物流信息進行定性分析的技術方法有利于精準的進行物流建模，進而更準確的進行物流預測，因此在物流行業中定性分析方法的應用較廣。第二種方法就是相對應的定量分析，這種方法相較于定性分析法也具有其獨特的優勢。

隨著科學技術的飛速發展，神經網絡技術也得到不斷的完善，更加能夠滿足物流預測的各種需求，也更善于解決影響物流預測準確度的各種問題。同時隨著物流行業在我國的快速發展，也有越來越多的研究人員在相關領域進行研究和分析，這也成為推動神經網絡技術在物流行業內的發展。

2 人工神經網絡BP算法

神經網絡技術的發展歷史悠久，并不是為了滿足物流預測需求才產生的，相關研究人員從上世紀初就開始對這方面技術進行研究和分析。對于神經網絡技術的發展經過可以根據其發展狀態分為以下幾個時期：首先，可以將它定義為開始階段，在這一段時期內神經網絡技術還沒有完全成型，只是一些學者的理論研究，并沒有多少科學依據；其次可以稱為神經網絡技術發展的低谷。在這段時間內基本很少有人涉獵這一領域，因此它的發展速度緩慢，沒有取得任何實質性的突破。再次可以稱為是神經網絡技術的復興階段。在這一個時間段內，很多學者均進行了相關的研究，并在一定程度上取得了突破。最后的階段是神經網絡技術的一個蓬勃發展的階段，在這段時間里，神經網絡技術得到更多的研究人員的重視，同時也獲得了相當大的進步和成就。直至目前，神經網絡技術依然持續著它強勁的發展勢頭，在未來必將獲得更大的突破。

基于上述情況，作者希望能夠更加直觀的介紹神經網絡技術在物流預測中的應用。因此，在本文中，首先先對BP網絡技術進行介紹。這種技術方法就是將神經網絡技術應用到物流行業中去。下面通過分析這種技術的算法來進一步的了解它。設p為輸入：w為權值；b為域值：a為輸出。多層網絡中的某一層的輸出成為下一層的輸入。描述此操作的等式為：

最后一層神經元的輸出是網絡的輸出：a=aM

t是對應的目標輸出。算法將調整網絡的參數以使均方差最小化：

用來近似計算均方誤差：

3 神經網絡預測模型建立

物流行業中進行預測一般先會制定預測方案，再從中選擇出較為合適的方案。應用神經網絡技術預測物流狀況一般有以下幾種常用的方案：第一種方案是以過去一段時間內的信息作為預測基礎，再進行物流預測。當然這些歷史信息必須是在規定時間范圍內，并且近期內具體環境沒有發生較大變化。第二種情況是以物流預測的相關數據為基礎進行的預測。這種方案的優勢在于更多地考慮了相關變量的細節分析。但是由于目前科學技術的發展環境下，尚對相關變量的研究有限，為了獲得更為精確的預測結果，通常情況下會選擇第一種方案進行物流預測。

在我國，物流行業得到快速的發展，這是以先進的神經網絡技術為依托的良好效果。在本文中，作者通過對湖北省公路貨運狀況的舉例分析來證明了神經網絡技術在物流預測方面的重要性，這也間接表明神經網絡技術有利于物流行業的整體運轉和發展，促進了我國經濟建設速度的提高。當然神經網絡技術自身仍存在一定的問題，需要在不斷地實際運作中進行完善和改進。相信隨著科學技術手段的不斷提升，神經網絡技術的發展前景將會無限的美好，同時也會在物流預測方面取得更好更快的發展。

[參考文獻]

[1]衛志農，謝鐵明，孫國強.基于超短期負荷預測和混合量測的線性動態狀態估計[J].中國電機工程學報，2010年01期.

[2]師彪，李郁俠，于新花，閆旺.基于改進粒子群-模糊神經網絡的短期電力負荷預測[J].系統工程理論與實踐，2010年01期.