果品冷鏈物流安全預(yù)警模型研究

許佳瑜

（長(zhǎng)安大學(xué)，陜西 西安 710064）

前言

近年來(lái)，我國(guó)冷鏈物流市場(chǎng)規(guī)模和消費(fèi)需求增速加快，僅僅食品行業(yè)冷鏈物流的年需求量就在1億噸左右，年增長(zhǎng)率近10%。但同時(shí)據(jù)相關(guān)數(shù)據(jù)表明，大約有90%的肉類、80%的水產(chǎn)品、蔬菜水果基本上還是在沒(méi)有冷鏈保證的情況下進(jìn)行保管、運(yùn)輸及銷售。由于冷鏈設(shè)備技術(shù)等的落后，所以果蔬等損耗率達(dá)到25%-30%，造成果品嚴(yán)重腐爛，物流成本提高。同時(shí)，冷鏈物流的安全預(yù)測(cè)方面的技術(shù)也是較落后的，所以健全冷鏈物流體系，提高冷鏈物流的高效運(yùn)作，保證農(nóng)戶以及企業(yè)乃至消費(fèi)者的利益也是發(fā)展經(jīng)濟(jì)的一大措施。

支持向量機(jī)是由 Vapnik提出的一種基于統(tǒng)計(jì)學(xué)習(xí)理論的模式識(shí)別方法，其在解決小樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問(wèn)題中。本文主要對(duì)陜西果品冷鏈物流中的果品安全進(jìn)行預(yù)警，運(yùn)用AHP層次分析法建立果品安全指標(biāo)體系，然后運(yùn)用支持向量機(jī)的思想對(duì)果品的各項(xiàng)指標(biāo)進(jìn)行建模訓(xùn)練，以達(dá)到提前預(yù)警的效果。

1 果品冷鏈物流的安全預(yù)警指標(biāo)體系建立

果品冷鏈（即冷藏食品的供應(yīng)鏈）是指易腐食品從產(chǎn)地采摘或捕獲后，在產(chǎn)品加工、儲(chǔ)藏、運(yùn)輸、分銷，零售到消費(fèi)者手中，其各個(gè)環(huán)節(jié)均處于適宜的設(shè)定溫度下，以保證食品品質(zhì)，減少食品損耗的供應(yīng)鏈系統(tǒng)。而果品的口感、品質(zhì)及外觀等都要求冷鏈物過(guò)程中果品的各項(xiàng)環(huán)節(jié)萬(wàn)無(wú)差錯(cuò)，任何一個(gè)環(huán)節(jié)的各個(gè)細(xì)節(jié)都會(huì)影響果品的質(zhì)量。圖1所示為我國(guó)果品冷鏈供應(yīng)鏈的流程圖，通過(guò)分析我國(guó)果品冷鏈物流各個(gè)環(huán)節(jié)的影響果品質(zhì)量安全的因素，篩選出具有代表意義的指標(biāo)，并對(duì)這些安全指標(biāo)進(jìn)行定性定量分析，建立出果品安全指標(biāo)體系，如圖2所示。

圖1 果品冷鏈供應(yīng)鏈流程圖

圖2 果品安全指標(biāo)體系

2 果品安全預(yù)警的SVM模型

2.1 原始數(shù)據(jù)來(lái)源與處理

本文的數(shù)據(jù)資料主要來(lái)源為陜西某果品生產(chǎn)基地，定量指標(biāo)以直接數(shù)據(jù)為來(lái)源，對(duì)定性指標(biāo)通過(guò)調(diào)查問(wèn)卷以及專家打分的準(zhǔn)則進(jìn)行評(píng)價(jià)。共收集了40組數(shù)據(jù)，150項(xiàng)果品安全因素的指標(biāo)。其中30組數(shù)據(jù)為訓(xùn)練集，10組數(shù)據(jù)為測(cè)試集。

因?yàn)楣钒踩芨鞣N因素的影響，其既有定性的有又定量的指標(biāo)，同時(shí)又由于不同指標(biāo)的量綱不同所以必須對(duì)各項(xiàng)指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理。本文采用等級(jí)比重法對(duì)定性評(píng)級(jí)指標(biāo)進(jìn)行歸一化處理。對(duì) “果品安全指標(biāo)”按5個(gè)等級(jí)：好（0.3）、較好(0.25)、一般(0.2)、較差(0.15)、差(0.1)進(jìn)行評(píng)級(jí)。對(duì)于定量指標(biāo)本文采用最大最小值法對(duì)定量評(píng)價(jià)指標(biāo)進(jìn)行歸一化處理。

設(shè)，建立映射

其中

2.2 安全預(yù)警等級(jí)的劃分

警情的判斷主要依靠實(shí)際輸出值，通過(guò)分析輸出值將警情劃分為如下四個(gè)區(qū)間。

表1 警情判斷

2.2 核函數(shù)及參數(shù)選擇

支持向量機(jī)模型的建立主要依賴核函數(shù)以及核函數(shù)參數(shù)g和懲罰參數(shù)c的選取，它們的合理選擇直接影響模型的精度和泛化能力。

SVM采用滿足Mercer條件的核函數(shù)來(lái)代替映射函數(shù)，將輸人變量戈映射到高維特征空間。常用的核函數(shù)有線性核函數(shù)、多項(xiàng)式核函數(shù)、徑向基核函數(shù)和神經(jīng)網(wǎng)絡(luò)核函數(shù)。因?yàn)樵谥С窒蛄繖C(jī)算法中的徑向基函數(shù)（RBF）比較常用且其具有較好的學(xué)習(xí)能力，所以本文選用RBF核函數(shù)，如下所示：

徑向基核函數(shù)：

其中x表示輸入數(shù)據(jù)，x'表示核函數(shù)中心，σ表示函數(shù)的寬度參數(shù)。

對(duì)于參數(shù)的選取采用交叉驗(yàn)證法進(jìn)行選擇，經(jīng)過(guò) K-CV交叉驗(yàn)證法得出最佳的懲罰系數(shù)c=256，核函數(shù)參數(shù)g=9.7656。

2.3 建立SVM模型

本文的模型代碼如下所示：

cmd = [' -t 2',' -c ',num2str(bestc),' -g ',num2str

(bestg),' -s 3 -p 0.01'];

model = svmtrain(tn_train,pn_train,cmd)；

其中svmtrain為訓(xùn)練建模，tn_train為訓(xùn)練結(jié)果，pn_train為樣本數(shù)據(jù)輸入，cmd為命令即（-t 2）選取的核函數(shù)類型為RBF核函數(shù)，參數(shù)（-c，-g）分別為通過(guò)交叉驗(yàn)證法獲取的最佳的c,g值，選取epsilon-SVR支持向量機(jī)類型即回歸問(wèn)題的支持向量機(jī)，該支持向量機(jī)損失函數(shù)的值-p為0.01。

3 預(yù)警結(jié)果分析

3.1 訓(xùn)練集的預(yù)測(cè)結(jié)果分析

表2 訓(xùn)練樣本（預(yù)測(cè)數(shù)據(jù)）輸出矩陣

對(duì)本文所搜集到的30組數(shù)據(jù)用MATLAB對(duì)上述模型進(jìn)行預(yù)測(cè)仿真，經(jīng)過(guò)上述模型的訓(xùn)練，得出的訓(xùn)練樣本的輸出如表1所示，預(yù)警結(jié)果如表2所示。

表3 訓(xùn)練樣本預(yù)警分析結(jié)果

圖3 訓(xùn)練集預(yù)測(cè)結(jié)果對(duì)比

在當(dāng)交叉驗(yàn)證法得出最優(yōu)的c，g時(shí)，該模型的誤差性能最好。此時(shí)真實(shí)值和預(yù)測(cè)值的擬合情況如圖3所示：由圖中所示 mes=7.5454e-005表示均方誤差為 7.5454e-005，R2=0.99985表示相關(guān)系數(shù)為0.99985即實(shí)際值和預(yù)測(cè)值的擬合程度為0.99985。由圖可知，該預(yù)測(cè)值和實(shí)際值（預(yù)期目標(biāo)值）的擬合程度很高，即預(yù)測(cè)準(zhǔn)確度較高。

3.2 測(cè)試集的預(yù)測(cè)結(jié)果分析

圖4 測(cè)試集的預(yù)測(cè)結(jié)果對(duì)比

由上述的訓(xùn)練集的預(yù)測(cè)結(jié)果可知，該支持向量機(jī)的模型已經(jīng)較為穩(wěn)定了，下面是10組數(shù)據(jù)的預(yù)測(cè)結(jié)果圖如圖4所示。

由上圖可知，該預(yù)測(cè)值與實(shí)際值的偏差也較小，說(shuō)明該支持向量機(jī)模型的預(yù)測(cè)是比較準(zhǔn)確的。

4 總結(jié)

本文主要通過(guò)分析果品在各流通環(huán)節(jié)所牽涉的物流活動(dòng)，對(duì)各項(xiàng)影響果品安全質(zhì)量的各個(gè)因素進(jìn)項(xiàng)調(diào)查研究，得出對(duì)影響果品較為重要的15項(xiàng)指標(biāo)，然后利用支持向量機(jī)的方法對(duì)冷鏈物流中的果品的各項(xiàng)指標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得出預(yù)警結(jié)果。該模型的應(yīng)用對(duì)于果品流通加工過(guò)程中果品質(zhì)量安全監(jiān)測(cè)起到了相當(dāng)大的作用，這也將較少果品的損耗率，提高企業(yè)以及果農(nóng)的利益，同時(shí)也將提高消費(fèi)者的滿意度。當(dāng)然該模型也存在一定的缺陷，即就是其未能預(yù)測(cè)出每一個(gè)指標(biāo)所對(duì)應(yīng)的數(shù)據(jù)，這也是較低模型預(yù)警精度的一個(gè)重要原因，希望后續(xù)的研究能解決本模型的問(wèn)題。

參考文獻(xiàn)

[1] 張明麗,姚繼濤.基于支持向量機(jī)建筑施工安全預(yù)警模型研究[J].中國(guó)安全生產(chǎn)科學(xué)術(shù),2011,7(3):58-60.

[2] 鄧敏,韓玉啟.基于支持向量機(jī)的大學(xué)財(cái)務(wù)困境預(yù)警模型[J].南京理工大學(xué)學(xué)報(bào),2012,36(3):551-556.

[3] 蘇懷志,溫志萍,吳中如.基于 SVM 理論的大壩安全預(yù)警模型研究[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào),2009,17(1):40-48.

[4] 彭靜,彭勇,歐陽(yáng)令南.基于粒子算法和支持向量機(jī)的財(cái)務(wù)危機(jī)預(yù)警模型[J].上海交通大學(xué)學(xué)報(bào),2008,42(4):615-620.

[5] 李萬(wàn)慶,安娟.基于RS—SVM的建筑施工項(xiàng)目安全預(yù)警模型[J].河北工程大學(xué)學(xué)報(bào),2010,27(4):30-35.

[6] 孫軍艷,劉海燕.基于 BP神經(jīng)網(wǎng)絡(luò)的果品冷鏈物流安全預(yù)警模型研究[J].物流技術(shù),2013,32(5):204-207.