我国物流需求预测的神经网络模型和实证分析研究

论文摘要

随着经济的发展以及国际贸易的迅速提升,我国的物流产业的发展速度更是迅猛。很显然,物流业作为朝阳产业将对我国经济发展产生日益明显的推动作用,它被称之为“第三利润源”。但是现今很多决策者忽视物流需求的预测的重要性,当然他们的决策也会给社会造成极大的浪费,建立科学的、可操作的物流需求预测模型,进行准确预测是实现我国物流业持续健康发展的基础性前提。本文论文以人工神经网络理论为基础,研究物流需求的预测,本文开始首先介绍了物流需求的发展状况及其定义,本人认为物流需求的研究是物流规划和设计研究的基础,它为物流规划和设计提供科学的依据。因为只有比较准确预测到物流需求量,才能科学和合理地对物流进行规划与设计。关于物流需求的研究,目前文献中有关定量研究的比较多,本文认为影响物流需求的指标有很多个,例如经济、贸易、产业结构和消费等。本文深入研究了对物流需求预测指标的选择。 中国近来物流需求的增长迅速,以至于传统的方法不能准确的进行预测。如何找一个精确的预测模型也是物流行业人士一直追求的目标。研究员、决策者以及企业主都人士到选择一个能够准确预测物流需求的模型是何等的重要。 人工神经网络是人类在对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的非线性动力系统,是理论化的人脑神经网络的数学模型,是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它可以基于过去已有的实例样本进行“自学习’’和模式识别。因为神经网络可以很好地识别训练样本之间的相关性,所以它在预测功能上优于传统的统计分析方法。而且,当训练样本较少且有“白色噪声”（即随机误差）的时候,神经网络更是优于普通的统计模式。 神经网络预测模型的选择、物流需求神经网络预测模型的建模流程和实现方法进行了初步探讨,构建了基于人工神经网络的物流需求预测理论。论文中,主要是基于物流需求的时间序列统计数据,应用人工神经网络多步预测和滚动预测方法,建立货运量神经网络预测模型和物流成本占GDP比重神经网络预测模型以及物流总值神经网络预测模型。论文采用三层前馈反向传播神经网络（Back-Propagation Network,简称BP网络）模型,对物流需求进行了预测,在进行网络训练时,为了保证数据为同一个数量级,采用了归一化处理方法,对神经网络的输入和输出数据进行一定的预处理。另外应该提及的是算法上采用含有动量因子的自适应调整学习率的变学习率算法对网络进行训练,以提高网络的收敛速度。 最后作者认为只要模型的设计合理,用神经网络于物流需求中是一种更为科学的预测模型。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 物流行业的发展现状与趋势
• 1.2 物流需求的定义
• 1.3 物流需求的特点
• 1.4 物流需求预测的研究目的
• 1.5 本论文的创新点
• 1.6 本文的研究思路
• 2 物流需求定量预测指标的选取
• 2.1 物流需求量化指标选择的原则
• 2.2 国内外物流需求预测研究现状
• 2.2.1 国外物流需求预测研究现状
• 2.2.2 国外物流需求指标核算方法
• 2.2.3 国内物流需求预测研究现状
• 2.2.4 国内物流需求指标核算方法
• 2.3 物流需求预测方法简介与评价
• 2.3.1 物流需求预测方法简介
• 2.3.2 物流需求预测方法评价
• 2.4 影响物流需求的因素探讨
• 2.4.1 经济发展对物流需求的影响
• 2.4.2 影响物流需求的产业结构因素
• 2.4.3 消费水平和消费理念的变化也将影响物流需求
• 2.4.4 国际国内贸易的发展
• 2.4.5 区域交通运输等基础设施的规模和发展水平
• 2.4.6 其他的定性因素
• 2.5 物流需求量化指标
• 2.5.1 货运量法
• 2.5.2 物流成本占GDP比例法
• 2.5.3 社会物流总额
• 3 人工神经网络基本理论
• 3.1 人工神经网络概念的提出
• 3.2 人工神经网络理论的发展及应用领域
• 3.2.1 人工神经网络理论的发展
• 3.2.2 人工神经网络技术的应用领域
• 3.3 神经网络用于物流系统预测的可行性分析
• 3.3.1 神经网络用于物流系统预测可行性及其优势
• 3.3.2 神经网络预测模型存在的问题
• 3.4 人工神经网络的特点
• 3.5 人工神经网络模型
• 3.5.1 人工神经元模型
• 3.5.2 人工神经网络模型
• 3.5.3 人工神经网络的学习
• 4 基于人工神经网络的物流需求预测理论构建
• 4.1 物流需求神经网络预测模型选择
• 4.1.1 神经网络预测模型选择
• 4.1.2 BP网络的结构
• 4.2. BP网络的学习
• 4.2.1 BP算法的改进
• 4.2.2 基于MATLAB的BP神经网络的改进算法
• 4.3 物流需求神经网络预测模型的建立
• 4.4 网络输入数据的处理
• 4.4.1 网络输入数据的预处理和后处理
• 4.4.2 BP网络泛化能力的提高
• 4.5 网络训练模式的选择
• 4.6 物流需求神经网络预测模型的实现
• 5 中国物流需求预测的实证研究
• 5.1 中国现代发展总体概况介绍
• 5.1.1 中国经济发展状况
• 5.1.2 中国消费情况概述
• 5.1.3 中国现代物流业初露端倪
• 5.1.4 加入WTO，为物流业的发展带来了新的机遇
• 5.2 中国物流货运量预测
• 5.2.1 对货运量影响因素的分析
• 5.2.2 以中国为例，说明神经网络货运量预测模型实现
• 5.2.3 三种货运量预测结果评述及建议
• 5.3 物流成本占GDP比例预测
• 5.3.1 以中国为例，说明神经网络货运量预测模型实现
• 5.3.2 对物流成本占GDP比重的预测结果评述
• 5.3.3 降低物流成本的对策
• 5.4 中国物流总值的预测
• 5.4.1 对物流需求总值指标预测结果综合分析
• 6 结论及展望
• 6.1 本文的主要结论及建议
• 6.2 未来的研究展望
• 参考文献
• 致谢