基于BP 神經(jīng)網(wǎng)絡(luò)的云南花卉物流需求預(yù)測

賀夢桐，張 凌 （武漢科技大學(xué)，湖北 武漢 430065）

0 引 言

眾所周知，云南省條件優(yōu)越，物種資源豐富，形成了強(qiáng)大的花卉物流需求體系。

而強(qiáng)大的市場需求，離不開物流技術(shù)的支撐。近10 多年來，我國花卉物流體系發(fā)展迅速，現(xiàn)有40 余家現(xiàn)代花卉物流企業(yè)，它們不僅為物流設(shè)施提供方、生產(chǎn)銷售企業(yè)提供支持，還與外資企業(yè)合作，構(gòu)建起一個(gè)多元化的現(xiàn)代花卉物流格局，其中航空運(yùn)輸占據(jù)主導(dǎo)地位，鐵路和公路則是輔助運(yùn)輸。

正是基于如此龐大的物流體系，政府在制定云南花卉物流的發(fā)展計(jì)劃時(shí)，更需要結(jié)合現(xiàn)有的花卉市場現(xiàn)狀，考慮未來的云南花卉的物流需求[1]。本文選用BP 神經(jīng)網(wǎng)絡(luò)預(yù)測法并輔以云南省生產(chǎn)總值、居民可支配收入、農(nóng)業(yè)生產(chǎn)總產(chǎn)值、花卉種植面積、交通運(yùn)輸貨物周轉(zhuǎn)量、鐵路營業(yè)里程、航空航線里程、公路通車?yán)锍踢@8 個(gè)變量共同來預(yù)測未來幾年的云南省花卉總產(chǎn)值，為云南省花卉物流網(wǎng)絡(luò)打下基礎(chǔ)。

在2019—2021 這3 年間，經(jīng)濟(jì)趨勢飽受新冠疫情的影響，云南省花卉需求也有了減少的趨勢；考慮了新冠疫情的常態(tài)化、消失化，以及經(jīng)濟(jì)復(fù)蘇的現(xiàn)象，通過預(yù)測發(fā)現(xiàn)，云南省花卉物流需求不降反增，日益壯大，而鮮花作為冷鏈物流中“特殊產(chǎn)品”的存在，花卉物流的需求激增，這也為云南省冷鏈物流的發(fā)展提出了更高的要求。

現(xiàn)有的文獻(xiàn)對于云南省花卉的物流需求預(yù)測，大都停留在理論層面。一方面，是研究影響花卉需求的因素有哪些，亦或者是花卉物流的冷鏈物流滿意度評價(jià)指標(biāo)研究，再是B2C 模式下鮮花電商的最后一公里配送問題研究；另一方面，已有的文獻(xiàn)對于花卉的物流需求預(yù)測，大都運(yùn)用灰色預(yù)測模型。本文運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)預(yù)測法，選用8 個(gè)影響因素，來預(yù)測未來幾年的花卉總產(chǎn)值，進(jìn)而說明了花卉物流需求的情況。

1 物流需求相關(guān)概述

縱觀花卉的研究內(nèi)容，目前國內(nèi)外相關(guān)花卉的文獻(xiàn)相對較少。基于對既往文獻(xiàn)的研究，大致可以分為兩方面，一方面是前人在物流需求預(yù)測方面的成果；一方面是既往花卉物流需求預(yù)測的影響指標(biāo)。

從物流需求預(yù)測方面來看，可以分為兩類。一類是對于農(nóng)村、區(qū)域、城市、港口等物流的需求量進(jìn)行預(yù)測。張婉琳通過灰色關(guān)聯(lián)預(yù)測與ARIMA 模型預(yù)測進(jìn)行組合，形成組合預(yù)測模型，對港口物流進(jìn)行預(yù)測，為港口物流的發(fā)展提出了一定程度的理論基礎(chǔ)[2]。朱夢琳采用GM （1,1 ）灰色預(yù)測模型，對內(nèi)江市2014 年至2020 年貨運(yùn)周轉(zhuǎn)量為基礎(chǔ)數(shù)據(jù)進(jìn)行仿真，對內(nèi)江市未來5年的物流需求量進(jìn)行預(yù)測[3]。王佳穎等從人文、經(jīng)濟(jì)、港口物流的發(fā)展三個(gè)方面來選取相應(yīng)指標(biāo)，基于BP 網(wǎng)絡(luò)的強(qiáng)泛化性，對青島港口物流需求進(jìn)行實(shí)際分析[4]。另一類是對于生鮮農(nóng)產(chǎn)品、醫(yī)藥物流、水產(chǎn)品等產(chǎn)品的需求量進(jìn)行預(yù)測。曾豪等人從湖南省的生鮮農(nóng)產(chǎn)品入手，運(yùn)用灰色預(yù)測模型，提出了湖南省農(nóng)產(chǎn)品中蔬菜類冷鏈物流需求量呈上升趨勢，其它冷鏈物流需求量整體呈平穩(wěn)發(fā)展趨勢，同時(shí)對農(nóng)產(chǎn)品冷鏈物流發(fā)展給予了對策及建議[5]。王曉琳等從醫(yī)藥物流出發(fā)，以廣西醫(yī)藥未來幾年的需求量為根本目標(biāo)，借以GM （1,1 ）預(yù)測模型，為醫(yī)藥冷鏈物流開辟了新篇章[6]。

從花卉物流需求預(yù)測方面來看，姜蔚霞通過對2011—2016 年鮮切花總產(chǎn)量和花卉銷售總額作為評價(jià)指標(biāo)，進(jìn)而預(yù)測了2025 年和2035 年的花卉物流需求量。指出，我國花卉產(chǎn)業(yè)雖形成一定規(guī)模，但是物流運(yùn)力不足，這也為花卉物流模式提出了更高的要求[7]。王立娟以花卉極為重要的冷鏈?zhǔn)侄巍汤滏溛锪鳛榍腥朦c(diǎn)，指出現(xiàn)階段雖航空運(yùn)輸所占份額最大，但由于鐵路干線的建成，使得花卉鐵路運(yùn)輸面臨著前所未有的機(jī)遇和挑戰(zhàn)；而后又通過對國內(nèi)外花卉物流的分析，運(yùn)用灰色預(yù)測模型對云南花卉進(jìn)行產(chǎn)量預(yù)測，并針對性的提出了建設(shè)性意見[8]。

眾多學(xué)者基于BP 神經(jīng)網(wǎng)絡(luò)本身存在的強(qiáng)非線性映射能力和柔性的網(wǎng)絡(luò)結(jié)構(gòu)而對其青睞有加。鄧熠運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)建立了影響區(qū)域物流需求的主要因素，從而得出福州城市圈物流需求量是呈穩(wěn)步上升的趨勢[9]。

目前針對云南花卉物流需求的研究并不多，大多數(shù)也只是從定性的角度分析，比如：現(xiàn)狀分析、問題提出以及解決措施等。本文從定量研究為出發(fā)點(diǎn)，云南花卉的總產(chǎn)量可以進(jìn)一步反映云南省花卉市場的物流規(guī)模，運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)預(yù)測法對未來幾年云南省的花卉產(chǎn)業(yè)進(jìn)行物流需求預(yù)測。

2 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測法

BP（Back Propagation） 神經(jīng)網(wǎng)絡(luò)是1986 年由Rumelhart 和McClelland 為首的科學(xué)家提出的概念，是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一[10-11]。又由于其非線性映射功能好、網(wǎng)絡(luò)結(jié)構(gòu)柔性好，從而在解決不確定性問題上具有得天獨(dú)厚的優(yōu)越性。

BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖如圖1 所示。

圖1 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

針對圖1 中只含有一個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)，BP 神經(jīng)網(wǎng)絡(luò)的過程主要分為兩個(gè)階段：第一階段是信號的正向傳播，從輸入層經(jīng)過隱含層，最后到達(dá)輸出層；第二階段是誤差的反向傳播，從輸出層到隱含層，最后到輸入層，依次調(diào)節(jié)隱含層到輸出層的權(quán)重和偏置，輸入層到隱含層的權(quán)重和偏置。

在預(yù)測云南花卉未來幾年的物流需求量時(shí)，基于BP 神經(jīng)網(wǎng)絡(luò)預(yù)測法的底層邏輯和運(yùn)行算法，建立基于BP 神經(jīng)網(wǎng)絡(luò)的云南花卉市場的物流需求預(yù)測指標(biāo)體系。BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是正向信號和反向信號反復(fù)傳播的過程結(jié)合。在模型創(chuàng)建的初始階段，確定了輸入層節(jié)點(diǎn)數(shù)為8 個(gè)神經(jīng)元，即圖3 中影響預(yù)測結(jié)果的8 個(gè)指標(biāo)，用Pi（i=1,2,…,8 ）來表示；輸出層節(jié)點(diǎn)為1個(gè)神經(jīng)元，即云南省花卉總產(chǎn)值（億元），也就是因變量，用Y 表示。其中，網(wǎng)絡(luò)訓(xùn)練的次數(shù)決定著隱含層節(jié)點(diǎn)的個(gè)數(shù)，也是為了可以使預(yù)測值達(dá)到最精準(zhǔn)狀態(tài)以及誤差值達(dá)到最小。本文中的網(wǎng)絡(luò)訓(xùn)練次數(shù)為1 000 次，最終確定了隱含層節(jié)點(diǎn)數(shù)為10（即10 個(gè)神經(jīng)元）。綜上所述，建立了8×10×1 的三層BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的網(wǎng)絡(luò)結(jié)構(gòu)，如圖2 所示。

圖2 BP 預(yù)測模型網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3 花卉物流需求量預(yù)測指標(biāo)

3 云南花卉物流需求的BP 預(yù)測

3.1 花卉物流需求的預(yù)測指標(biāo)構(gòu)建

影響花卉需求的因素有很多，由于花卉產(chǎn)業(yè)的發(fā)展和經(jīng)濟(jì)的發(fā)展聯(lián)系緊密，而花卉的產(chǎn)量又受多方面因素的影響，結(jié)合云南省花卉市場的物流現(xiàn)狀，總結(jié)現(xiàn)有的研究文獻(xiàn)，從經(jīng)濟(jì)、運(yùn)力以及花卉自然屬性三個(gè)方面選取了云南生產(chǎn)總值X1（億元）、居民可支配收入X2（元）、農(nóng)業(yè)生產(chǎn)總值X3（億元）、花卉種植面積X4（萬畝）、交通運(yùn)輸貨物周轉(zhuǎn)量X5（億噸）、鐵路營業(yè)里程X6（萬公里）、航空航線里程X7（萬公里） 和公路通車?yán)锍蘕8（萬里） 這8 個(gè)變量指標(biāo)來預(yù)測云南省花卉總產(chǎn)值Y，進(jìn)一步說明這些指標(biāo)也在影響著花卉市場的物流需求量。云南省花卉市場的物流需求量的預(yù)測指標(biāo)如圖3 所示。

3.2 預(yù)測指標(biāo)數(shù)據(jù)收集

為了預(yù)測數(shù)據(jù)的準(zhǔn)確性以及代表性，本文選取了2012—2021 年云南省相關(guān)的指標(biāo)數(shù)據(jù)，本文所用的數(shù)據(jù)均來自于歷年《云南省統(tǒng)計(jì)年鑒》、《云南省國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)》、《農(nóng)小蜂-云南花卉產(chǎn)業(yè)發(fā)展情況分析報(bào)告》以及一些網(wǎng)絡(luò)資料整理得到，具體如表1 所示。

表1 預(yù)測指標(biāo)原始數(shù)據(jù)

3.3 數(shù)據(jù)處理及分析

3.3.1 數(shù)據(jù)歸一化處理

首先，要對這8 組預(yù)測指標(biāo)原始數(shù)據(jù)進(jìn)行預(yù)處理，而后設(shè)置BP 網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練參數(shù)，最后開始BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練。其中，訓(xùn)練過程選用自適用學(xué)習(xí)效率比較高的traingdx 函數(shù)對2012—2021 年的原始數(shù)據(jù)進(jìn)行訓(xùn)練。同時(shí)，為了預(yù)測數(shù)據(jù)的更精準(zhǔn)性，在訓(xùn)練之前對原始數(shù)據(jù)（2012—2019 年） 進(jìn)行歸一化處理（MATLAB 中的mapminmax 函數(shù)）。

在MATLAB 中輸入如下代碼進(jìn)行歸一化，歸一化的數(shù)據(jù)如表2 所示。

表2 原始數(shù)據(jù)歸一化結(jié)果

[Y, PS ]=mapminmax （X,0,1 ）;

計(jì)算步驟為：將輸入數(shù)據(jù)和輸出數(shù)據(jù)分別進(jìn)行轉(zhuǎn)置，轉(zhuǎn)置后分別進(jìn)行歸一化處理，保證每一行最小值為0，最大值為1。歸一化后將這組數(shù)據(jù)轉(zhuǎn)置回來，結(jié)果如表2 所示。

3.3.2 MATLAB 軟件分析

本文用MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱來實(shí)現(xiàn)云南省花卉物流需求量的預(yù)測模型。其中，隱含層的傳遞函數(shù)選擇使用tansig 函數(shù)，根據(jù)樣本數(shù)量特點(diǎn)確定BP 神經(jīng)網(wǎng)絡(luò)參數(shù)，選擇最大訓(xùn)練次數(shù)為1 000 次，最小誤差為0.000 1，學(xué)習(xí)率為0.001，附加動量因子為0.9。

當(dāng)訓(xùn)練次數(shù)達(dá)到1 000 或誤差值達(dá)到0.000 1 時(shí)，訓(xùn)練停止。由于神經(jīng)網(wǎng)絡(luò)可能會存在的過度擬合問題，本文選擇2012—2019 年的數(shù)據(jù)作為訓(xùn)練集；2020—2021 年數(shù)據(jù)作為測試集。

在MATLAB 中輸入以下代碼構(gòu)建以輸入層神經(jīng)元為8，隱含層神經(jīng)元為10 的三層神經(jīng)網(wǎng)絡(luò)模型：

net=newff （minmax（X ）, [8,10,1 ], ｛'tansig', 'tansig', 'purelin' ｝, 'traingdx'）

使用BP 神經(jīng)網(wǎng)絡(luò)預(yù)測出樣本測試集的結(jié)果如表3 所示。

表3 網(wǎng)絡(luò)預(yù)測值

3.3.3 預(yù)測結(jié)果分析

在BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型中，相對誤差<0.05 時(shí)，預(yù)測值的精準(zhǔn)度處于第一等級；相對誤差位于0.05~0.10 之間，預(yù)測值的精準(zhǔn)度處于第二等級。由表3 的數(shù)據(jù)對比可知，2020—2021 年數(shù)據(jù)的相對誤差值均處于0.05~0.10 之間，說明該模型的預(yù)測精度是可以采用的。

由圖4 的模型仿真圖，預(yù)測值和實(shí)際值的對比來看，本文運(yùn)用的此模型非線性逼近能力較強(qiáng)，預(yù)測值與實(shí)際值的擬合程度也較高，實(shí)際操作圖像的擬合效果也很好，能夠比較好的呈現(xiàn)出輸入層、隱含層和輸出層的映射關(guān)系。因此，使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測2022—2024 年的云南花卉市場的物流需求量分別為1 082.14 億元、1 119.77 億元和1 149.30 億元。

圖4 BP 預(yù)測模型仿真圖

4 結(jié)論與展望

經(jīng)過上述的預(yù)測可知，云南省花卉市場的物流需求量整體依然呈上升的趨勢，這也進(jìn)一步說明了云南省花卉市場形勢發(fā)展良好，未來會有更大的增長空間。最近幾年，由于“新冠疫情”的影響，花卉總產(chǎn)值雖有提升，但漲幅不大。鐵路、航空運(yùn)輸?shù)仍趦?nèi)的其他干線運(yùn)輸方式都遭受到了不同程度的影響，這對本就屬于特殊運(yùn)輸產(chǎn)品的花卉更是當(dāng)頭一擊。

本文雖立意新穎，但仍然存在諸多不足。第一，本文運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型，但由于BP 神經(jīng)網(wǎng)絡(luò)預(yù)測方法本身存在過擬合問題，從而可能造成預(yù)測數(shù)據(jù)不夠準(zhǔn)確，若想更進(jìn)一步優(yōu)化預(yù)測精度，可以引入遺傳算法，這也為后人的后續(xù)研究提供新的研究思路；第二，影響花卉物流需求量的因素諸多，本文基于以往文獻(xiàn)以及相關(guān)常識只選用了8 個(gè)因素，不排除會有影響程度更高的因素出現(xiàn)；第三，針對于花卉市場的需求量相關(guān)數(shù)據(jù)較少，且調(diào)查年限過早，可能存在誤差較大的問題。

云南省花卉市場的未來仍需當(dāng)?shù)卣叩拇罅χС郑谫Y金補(bǔ)貼、政策偏向、技術(shù)創(chuàng)新等方面都要需要相關(guān)部門的扶持；同時(shí)，當(dāng)?shù)赜嘘P(guān)部門更是要出臺一些就業(yè)補(bǔ)貼來吸引人才的引進(jìn)，針對相關(guān)專業(yè)的高學(xué)歷人才亦或是有相關(guān)經(jīng)驗(yàn)的人才要做到人盡其才，委以重任。花卉產(chǎn)品的需求更是離不開物流模式，進(jìn)一步優(yōu)化物流作業(yè)，自建物流供應(yīng)鏈，推進(jìn)云南省冷鏈物流供應(yīng)網(wǎng)的規(guī)劃布局。加快冷鏈物流的服務(wù)模式，降低物流成本，從而全面提高花卉物流的服務(wù)水平。大力推進(jìn)智慧化冷鏈物流，優(yōu)化物流流程，構(gòu)建基于大數(shù)據(jù)、云平臺的花卉物流體系。