張誠(chéng)，馮亞萍

（華東交通大學(xué)經(jīng)濟(jì)管理學(xué)院，江西南昌330013）

人工神經(jīng)網(wǎng)絡(luò)模型的江西省物流需求預(yù)測(cè)

張誠(chéng)，馮亞萍

（華東交通大學(xué)經(jīng)濟(jì)管理學(xué)院，江西南昌330013）

區(qū)域物流與區(qū)域經(jīng)濟(jì)息息相關(guān)。為了準(zhǔn)確預(yù)測(cè)區(qū)域物流需求規(guī)模，運(yùn)用灰色關(guān)聯(lián)對(duì)決定區(qū)域物流需求的經(jīng)濟(jì)因素以及他們之間的相關(guān)性進(jìn)行分析，建立區(qū)域物流需求預(yù)測(cè)指標(biāo)體系和BP神經(jīng)網(wǎng)絡(luò)區(qū)域物流預(yù)測(cè)模型。通過(guò)實(shí)證分析，驗(yàn)證了預(yù)測(cè)模型的有效性，并對(duì)江西未來(lái)5年的物流需求做出了預(yù)測(cè)。

區(qū)域物流；區(qū)域經(jīng)濟(jì)；人工神經(jīng)網(wǎng)絡(luò)

在中部崛起和江西建設(shè)上升到國(guó)家戰(zhàn)略的大背景下，為推進(jìn)科學(xué)發(fā)展、加快綠色崛起，建設(shè)富裕和秀美江西，加快物流業(yè)的調(diào)整和振興，頒發(fā)了《江西省現(xiàn)代物流業(yè)“十二五”發(fā)展規(guī)劃》。區(qū)域物流是區(qū)域經(jīng)濟(jì)的主要構(gòu)成要素，而區(qū)域經(jīng)濟(jì)又促進(jìn)區(qū)域物流的發(fā)展。實(shí)現(xiàn)物流資源的優(yōu)化配置，對(duì)區(qū)域物流需求預(yù)測(cè)具有十分重要的意義。

大量文獻(xiàn)資料顯示，國(guó)內(nèi)外學(xué)者對(duì)基于灰色關(guān)聯(lián)的物流影響因素，基于人工神經(jīng)網(wǎng)絡(luò)的物流區(qū)域需求等方面進(jìn)行了研究。李青峻（2009）［1］運(yùn)用灰色關(guān)聯(lián)法對(duì)物流產(chǎn)業(yè)資源和需求兩內(nèi)部可量化的因素指標(biāo)進(jìn)行分析，得出各影響因素對(duì)重慶物流產(chǎn)業(yè)發(fā)展的影響程度大小，并對(duì)一些非可量化因素進(jìn)行了定性分析，得出結(jié)論并給出了相應(yīng)的建議措施。田剛（2010）［2］等，運(yùn)用灰色關(guān)聯(lián)分析了5種主要運(yùn)輸方式下的貨運(yùn)量與江蘇省GDP的關(guān)聯(lián)度，得出靈活的公路運(yùn)輸和GDP的關(guān)聯(lián)度最大。張佳紅（2012）［3］等，以河北省為例，用港口吞吐量的數(shù)據(jù)與GDP數(shù)據(jù)做灰色關(guān)聯(lián)分析，通過(guò)實(shí)證得出港口物流對(duì)區(qū)域經(jīng)濟(jì)飛發(fā)展起促進(jìn)作用。王晶瓊（2011）［4］首先將貨運(yùn)量與貨運(yùn)周轉(zhuǎn)量與地區(qū)生產(chǎn)總值進(jìn)行相關(guān)性分析，得出貨運(yùn)量與經(jīng)濟(jì)的關(guān)聯(lián)性更大，然后深入分析各經(jīng)濟(jì)影響因素與貨運(yùn)量的關(guān)系，根據(jù)各指標(biāo)的影響程度提出建議對(duì)策。宿夢(mèng)思（2009）［5］等，將影響區(qū)域物流的因素分為經(jīng)濟(jì)影響因素（主要包括區(qū)域經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)差異和區(qū)域經(jīng)濟(jì)空間布局）和非經(jīng)濟(jì)影響因素（主要有經(jīng)濟(jì)政策、技術(shù)進(jìn)步、物流服務(wù)水平和突發(fā)因素），并用BP神經(jīng)網(wǎng)絡(luò)對(duì)后一年的物流需求量做預(yù)測(cè)。何霞（2009）［6］指出BP神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡(jiǎn)單，可操作性強(qiáng)，能模擬任意的非線性輸入輸出關(guān)系，彌補(bǔ)灰色預(yù)測(cè)不適合逼近復(fù)雜的非線性函數(shù)的缺點(diǎn)。故將兩者結(jié)合，對(duì)區(qū)域物流需求量進(jìn)行預(yù)測(cè)。金橋（2008）［7］港口物流需求與腹地區(qū)域經(jīng)濟(jì)發(fā)展相輔相成，并采用非線性映射功能較好的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)工具進(jìn)一步揭示了二者之間的緊密聯(lián)系，并取得了很好的預(yù)測(cè)效果。陳治亞（2008）［8］等，揭示了物流需求與經(jīng)濟(jì)的關(guān)系，建立了物流需求規(guī)模預(yù)測(cè)指標(biāo)體系，在BP人工神經(jīng)網(wǎng)絡(luò)中引入適應(yīng)度函數(shù)對(duì)物流需求規(guī)模進(jìn)行預(yù)測(cè)。以上研究對(duì)我國(guó)的物流需求研究具有重要的借鑒和參考價(jià)值，為以后的研究提供了廣泛的視角，但其所使用的預(yù)測(cè)方法并沒(méi)有針對(duì)物流需求預(yù)測(cè)的特點(diǎn)進(jìn)行可行性分析，對(duì)其影響因素、貨運(yùn)量和周轉(zhuǎn)量的分析上大多使用定性化的論述，缺乏數(shù)量化的有力證據(jù)。以江西省近16年的經(jīng)濟(jì)指標(biāo)與物流需求指標(biāo)數(shù)據(jù)進(jìn)行相關(guān)性分析，在論證該需求預(yù)測(cè)的理論和實(shí)踐操作的可行性基礎(chǔ)上構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型。選取近兩年的數(shù)據(jù)作為網(wǎng)絡(luò)測(cè)試樣本，檢驗(yàn)該模型的準(zhǔn)確性，用學(xué)習(xí)好的網(wǎng)絡(luò)樣本對(duì)江西省未來(lái)5年的物流需求做預(yù)測(cè)。

2 模型方法介紹

2.1 灰色關(guān)聯(lián)分析方法簡(jiǎn)介

灰色關(guān)聯(lián)分析方法是衡量因素之間發(fā)展趨勢(shì)的相似或相異程度的一種方法。若兩因素變化的趨勢(shì)具有一致性，即同步變化程度高，兩者關(guān)聯(lián)程度高，反之，則較低。

進(jìn)行灰色關(guān)聯(lián)分析的步驟如下：

1）確定反應(yīng)系統(tǒng)行為特征的參考數(shù)列Yi=（Yi（1），Yi（2），…Yi（k））和影響系統(tǒng)行為的比較數(shù)列Xi=（Xi（1），Xi（2），…Xi（k）），其中，i=1，2，3…n為因素序號(hào)。

2）為了便于計(jì)算和比較分析，將原始序列進(jìn)行無(wú)量鋼化處理以消除數(shù)量級(jí)大小不同的影響，一般采用初值化或均值化加以處理。使用初值化，即

5）求關(guān)聯(lián)度。因?yàn)殛P(guān)聯(lián)系數(shù)是比較數(shù)列與參考數(shù)列在各個(gè)時(shí)刻（即曲線中的各點(diǎn)）的關(guān)聯(lián)程度值，所以它的數(shù)不止一個(gè)，而信息過(guò)于分散不便于進(jìn)行整體性比較。因此有必要將各個(gè)時(shí)刻（即曲線中的各點(diǎn)）的關(guān)聯(lián)系數(shù)集中為一個(gè)值，即求其平均值，作為比較數(shù)列與參考數(shù)列間關(guān)聯(lián)程度的數(shù)量表示，公式為

2.2 BP網(wǎng)絡(luò)預(yù)測(cè)模型

BP網(wǎng)絡(luò)采用“誤差逆?zhèn)鞑ニ惴ā?，通過(guò)正向輸入，反向傳播誤差不斷迭代的學(xué)習(xí)過(guò)程，直到誤差減小到可接收的程度。一般的，包括輸入層、隱含層和輸出層的單隱層網(wǎng)絡(luò)就能以任意精度表示并揭示任何連續(xù)函數(shù)所蘊(yùn)含的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)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Fig.1 The BP neural network structure

2.2.1 隱含層數(shù)目的確定

隱含層神經(jīng)元數(shù)目的確定是一個(gè)十分復(fù)雜的問(wèn)題，通用的經(jīng)驗(yàn)公式有

式中：k為樣本數(shù)；n1為隱單元數(shù)；n為輸入單元數(shù)。

式中：m為輸入神經(jīng)元數(shù)；n為輸入單元數(shù)；a∈［1，10］。

式中：n為輸入單元數(shù)。

Kolmogorov定理：n1=2n+1，n為輸入單元數(shù)

2.2.2 傳遞函數(shù)及訓(xùn)練算法的選擇

神經(jīng)網(wǎng)絡(luò)工具箱提供了3種傳遞函數(shù)，線性函數(shù)和非線性函數(shù)S函數(shù)或S型曲線（Log-sigmoid函數(shù)和Tan-sigmoid函數(shù)）。實(shí)踐證明，中間層神經(jīng)元傳遞函數(shù)選用S型正切函數(shù)，輸出層神經(jīng)元傳遞函數(shù)選用S型對(duì)數(shù)函數(shù)具有比較好的擬合效果。同時(shí)，工具箱中還包含了4種訓(xùn)練函數(shù)，分別是梯度下降的BP算法、梯度下降動(dòng)量BP算法、梯度下降的動(dòng)量及自適應(yīng)算法和Levenberg-Marquardt算法，選擇哪種訓(xùn)練函數(shù)則要根據(jù)處理問(wèn)題的不同而議。

2.2.3 數(shù)據(jù)的預(yù)處理和后處理

為保證數(shù)據(jù)同一量綱，需要將數(shù)據(jù)歸一化為區(qū)域［0，1］之間的數(shù)據(jù)。而對(duì)于S型曲線來(lái)說(shuō)，在接近0或1的時(shí)候訓(xùn)練效果會(huì)明顯下降，因此，為了避免數(shù)據(jù)落入飽和區(qū)域，保持?jǐn)?shù)據(jù)的原有特征，根據(jù)經(jīng)驗(yàn)，將數(shù)據(jù)規(guī)范到［0.15，0.85］來(lái)進(jìn)行修正。故可通過(guò)來(lái)處理輸入數(shù)據(jù)。同理，采用反歸一化處理輸出數(shù)據(jù)。

3 實(shí)證分析

3.1 預(yù)測(cè)指標(biāo)的建立

對(duì)江西省物流需求進(jìn)行預(yù)測(cè)，考慮到統(tǒng)計(jì)數(shù)據(jù)的可獲得性以及指標(biāo)間的相關(guān)性，選取貨運(yùn)量Y1（萬(wàn)噸）或貨運(yùn)周轉(zhuǎn)量Y2（億噸·公里）作為物流需求規(guī)模衡量指標(biāo)。本著可操作的原則，選取用物流規(guī)模預(yù)測(cè)的經(jīng)濟(jì)指標(biāo)為：代表經(jīng)濟(jì)規(guī)模對(duì)區(qū)域物流需求規(guī)模影響的地區(qū)生產(chǎn)總值X1（億元），代表區(qū)域經(jīng)濟(jì)結(jié)構(gòu)對(duì)物流需求規(guī)模影響的第一產(chǎn)業(yè)產(chǎn)值X2（億元）、第二產(chǎn)業(yè)產(chǎn)值X3（億元）、第三產(chǎn)業(yè)產(chǎn)值X4（億元）以及區(qū)域物流的重要組成部分區(qū)域零售總額X5（億元）、區(qū)域外貿(mào)總額X6（億元）、居民消費(fèi)水平X7（億元）。

3.2 數(shù)據(jù)來(lái)源

本文選取的數(shù)據(jù)資料來(lái)源于江西省歷年的統(tǒng)計(jì)年鑒，如表1所示。根據(jù)樣本數(shù)據(jù)選取原則，將1996至2009年的數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練樣本，將2010和2011年的數(shù)據(jù)作為網(wǎng)絡(luò)測(cè)試樣本，最后用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測(cè)2012到2017年的物流需求規(guī)模。

表1 江西省歷年貨運(yùn)量、貨運(yùn)周轉(zhuǎn)量與經(jīng)濟(jì)指標(biāo)數(shù)據(jù)Tab.1 Freight，freight turnover data and economic indicators over the years in Jiangxi

由于BP網(wǎng)絡(luò)預(yù)測(cè)方法在進(jìn)行下一年度的預(yù)測(cè)時(shí)需知道下一年各影響指標(biāo)的值。按照各影響因素從1996年到2011年的年均增長(zhǎng)率來(lái)設(shè)定未來(lái)5年的經(jīng)濟(jì)指標(biāo)數(shù)據(jù)，如表2所示。

表2 江西省2012至2016年預(yù)測(cè)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)Tab.2 Economic indicator prediction from 2012 to 2016 in Jiangxi億元

3.3 指標(biāo)體系的相關(guān)性分析

選取X1、X2、X3、X4、X5、X6、X7作為江西省物流需求預(yù)測(cè)BP網(wǎng)絡(luò)模型的輸入，Y1、Y2為BP網(wǎng)絡(luò)模型的輸出。根據(jù)經(jīng)驗(yàn)公式，其中，m為輸入神經(jīng)元數(shù)，n為輸入單元數(shù)，a∈［1，10］，將各可能的隱含層神經(jīng)元個(gè)數(shù)代入matlab訓(xùn)練，根據(jù)結(jié)果對(duì)比，當(dāng)隱含層神經(jīng)元個(gè)數(shù)為9時(shí)，網(wǎng)絡(luò)收斂速度最快，預(yù)測(cè)精度高，因此，將中間層神經(jīng)元個(gè)數(shù)確定為9個(gè)。

通過(guò)1996至2011年的數(shù)據(jù)來(lái)計(jì)算關(guān)聯(lián)度，可得

以貨運(yùn)周轉(zhuǎn)量Y2為系統(tǒng)特征值，計(jì)算與Xi之間的灰色關(guān)聯(lián)度。

由以上關(guān)聯(lián)系數(shù)結(jié)果可知，Y1、Y2與Xi之間的關(guān)聯(lián)系數(shù)都大于0.8，說(shuō)明他們之間都具有強(qiáng)關(guān)聯(lián)性，故選取Xi（i=1，2，…7）為網(wǎng)絡(luò)的輸入，Y1、Y2為網(wǎng)絡(luò)的輸出是非?？尚械摹＝魇〉呢涍\(yùn)量與經(jīng)濟(jì)的關(guān)聯(lián)性強(qiáng)弱排名為ry12＞ry17＞ry15＞ry11＞ry14＞ry13＞ry16，同時(shí)，江西省周轉(zhuǎn)量與經(jīng)濟(jì)的關(guān)聯(lián)性強(qiáng)弱排名為ry22＞ry27＞ry25＞ry24＞ry21＞ry23＞ry26，各不同影響因素對(duì)江西省貨運(yùn)量與周轉(zhuǎn)量的關(guān)聯(lián)性影響一致。

第一產(chǎn)業(yè)產(chǎn)值排名第一，說(shuō)明江西省是個(gè)農(nóng)業(yè)大省，全省農(nóng)村人口3 200萬(wàn)人，約占總?cè)丝诘?7%，并正在向著農(nóng)業(yè)強(qiáng)省跨越。江西省全面落實(shí)農(nóng)機(jī)具購(gòu)置補(bǔ)貼政策，穩(wěn)步推進(jìn)經(jīng)濟(jì)作物和養(yǎng)殖業(yè)的機(jī)械化，改革創(chuàng)新以市場(chǎng)經(jīng)濟(jì)的理念構(gòu)建現(xiàn)代農(nóng)業(yè)發(fā)展新機(jī)制，培育和發(fā)展農(nóng)業(yè)社會(huì)化服務(wù)體系。隨著社會(huì)的發(fā)展，江西省的經(jīng)濟(jì)結(jié)構(gòu)在繼續(xù)發(fā)揚(yáng)農(nóng)業(yè)絕地領(lǐng)先優(yōu)勢(shì)的同時(shí)逐漸由第一產(chǎn)業(yè)向第二產(chǎn)業(yè)、第三產(chǎn)業(yè)位移調(diào)整。居民消費(fèi)水平指標(biāo)排名第二，區(qū)域零售總額排名第三，說(shuō)明江西省物流服務(wù)在消費(fèi)和流通領(lǐng)域的社會(huì)化程度比較高，居民的社會(huì)消費(fèi)品零售總額增長(zhǎng)，消費(fèi)能力增強(qiáng)。電子商務(wù)的發(fā)展，網(wǎng)絡(luò)平臺(tái)的構(gòu)建，消費(fèi)渠道的增多以及人民持續(xù)消費(fèi)觀念意識(shí)的強(qiáng)化都極大的促進(jìn)了居民消費(fèi)水平的增長(zhǎng)。而居民消費(fèi)的增長(zhǎng)會(huì)刺激拉動(dòng)物流需求的增加，帶動(dòng)整個(gè)物流業(yè)的發(fā)展。地區(qū)生產(chǎn)總值排名第四，而作為地區(qū)生產(chǎn)總值一部分的第一產(chǎn)業(yè)產(chǎn)占地區(qū)生產(chǎn)總值的絕大部分，第一產(chǎn)業(yè)的影響力遠(yuǎn)大于第二、三產(chǎn)業(yè)，說(shuō)明江西經(jīng)濟(jì)發(fā)展方式單一化，發(fā)展水平還比較落后。第三產(chǎn)業(yè)排名第五，服務(wù)業(yè)等第三產(chǎn)業(yè)的發(fā)展促進(jìn)了城市化硬件設(shè)施的完善，物流、商流、資金流、信息流的發(fā)展以及人民生活水平的提高。我們要充分挖掘江西省第三產(chǎn)業(yè)的巨大潛力，協(xié)調(diào)各服務(wù)行業(yè)的健康發(fā)展，有重點(diǎn)的發(fā)展江西特色旅游服務(wù)業(yè)。第二產(chǎn)業(yè)排名第六，說(shuō)明我省第二產(chǎn)業(yè)的發(fā)展還有巨大的上升空間。第二產(chǎn)業(yè)的發(fā)展將是城市化進(jìn)程加速的主動(dòng)力，支柱產(chǎn)業(yè)和主導(dǎo)產(chǎn)業(yè)的形成能帶來(lái)穩(wěn)定的物流需求。排在最后一位的是區(qū)域外貿(mào)總額，說(shuō)明外貿(mào)對(duì)江西物流需求的影響很少，從深層次揭示了江西省的出口外貿(mào)水平還比較低。江西省應(yīng)充分利用沿江通海的區(qū)位優(yōu)勢(shì)和低成本優(yōu)勢(shì)，大力發(fā)展有區(qū)域特色和競(jìng)爭(zhēng)優(yōu)勢(shì)的產(chǎn)品出口，將外貿(mào)增長(zhǎng)方式由粗放型向集約型轉(zhuǎn)變，招商引資，加大吸引外資的力度，大力發(fā)展國(guó)際服務(wù)業(yè)務(wù)。

3.4 網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)

以traindm作為訓(xùn)練函數(shù)，在訓(xùn)練次數(shù)為15 000次，目標(biāo)誤差為0.000 01的情況下，經(jīng)過(guò)14 994次訓(xùn)練后，網(wǎng)絡(luò)達(dá)到目標(biāo)要求，預(yù)測(cè)誤差曲線如圖1所示。

圖1 所有樣本的訓(xùn)練誤差曲線Fig.1 Training error curve of all samples

表3 BP網(wǎng)絡(luò)檢驗(yàn)樣本預(yù)測(cè)值與實(shí)際值比較Tab.3 Comparison between the actual and estimated value of BP network test samples

由圖1可以得出結(jié)論，該網(wǎng)絡(luò)能夠很快收斂，并且很好的擬合了輸入因素與輸出因素的線性關(guān)系。表3的結(jié)果顯示，檢驗(yàn)樣本的預(yù)測(cè)值與實(shí)際值之間的平均絕對(duì)誤差為0.311 3%。可知，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)誤差基本上在很小的范圍內(nèi)，將2010年和2011年貨運(yùn)量與周轉(zhuǎn)量的預(yù)測(cè)值和實(shí)際值進(jìn)行檢驗(yàn)，預(yù)測(cè)精度較高，達(dá)到滿意的效果。故可用上面訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)2012—2016年的貨運(yùn)量和周轉(zhuǎn)量。

全部數(shù)據(jù)輸入網(wǎng)絡(luò)的訓(xùn)練結(jié)果如圖2所示，預(yù)測(cè)誤差曲線如圖3所示。

圖2 所有樣本的訓(xùn)練誤差曲線Fig.2 Training error curve of all samples

由圖2可知，在訓(xùn)練次數(shù)為1 500次，目標(biāo)誤差為0.000 01的情況下，經(jīng)過(guò)11 798次訓(xùn)練后能達(dá)到滿意的效果。由圖3可知，預(yù)測(cè)值與實(shí)際值大體接近，最大誤差小于2%，預(yù)測(cè)能力很強(qiáng)。

預(yù)測(cè)的結(jié)果為

圖3 貨運(yùn)量、貨運(yùn)周轉(zhuǎn)量的預(yù)測(cè)誤差曲線Fig.3 Forecast error curve of freight and freight turnover

對(duì)預(yù)測(cè)結(jié)果數(shù)據(jù)進(jìn)行反歸一化，得到輸出結(jié)果

圖4 貨運(yùn)量、貨運(yùn)周轉(zhuǎn)量的變化趨勢(shì)Fig.4 Change trend of freight，freight turnover

通過(guò)上面對(duì)江西省貨運(yùn)量以及貨運(yùn)周轉(zhuǎn)量的預(yù)測(cè)結(jié)果分析可知，江西省物流需求在未來(lái)5年內(nèi)將有較快的增長(zhǎng)，表現(xiàn)為貨運(yùn)量將從2012年的63 312.48億噸增長(zhǎng)到2016年的66 735.86億噸，增長(zhǎng)5.41%，貨運(yùn)周轉(zhuǎn)量也將從2012年的1 445.36億噸。公里上升到2016年的1 656.33億噸。公里，增長(zhǎng)14.60%。

3 結(jié)論和建議

從江西省的經(jīng)濟(jì)發(fā)展和物流需求現(xiàn)狀出發(fā)，通過(guò)灰色關(guān)聯(lián)分析，得出區(qū)域經(jīng)濟(jì)發(fā)展與區(qū)域物流之間具有內(nèi)在的邏輯性和強(qiáng)關(guān)聯(lián)系。這就決定了我們可以用區(qū)域經(jīng)濟(jì)的發(fā)展?fàn)顩r來(lái)預(yù)測(cè)區(qū)域物流的需求。通過(guò)對(duì)江西省2012年至2016年的物流需求規(guī)模和結(jié)構(gòu)進(jìn)行預(yù)測(cè)，結(jié)果顯示，江西省的物流需求將會(huì)有較快的增長(zhǎng)和長(zhǎng)足的發(fā)展，逐漸向現(xiàn)代大物流邁進(jìn)。江西省物流需求與經(jīng)濟(jì)的發(fā)展是息息相關(guān)的，經(jīng)濟(jì)的飛速發(fā)展勢(shì)必會(huì)為物流需求的增長(zhǎng)推波助瀾，而區(qū)域物流能力的增強(qiáng)也會(huì)對(duì)江西經(jīng)濟(jì)的發(fā)展起促進(jìn)作用。因此，政府在面對(duì)江西省未來(lái)巨大的物流需求及發(fā)展的形勢(shì)下，抓住“十二五”這一關(guān)鍵時(shí)機(jī)，緊跟經(jīng)濟(jì)發(fā)展動(dòng)態(tài)，科學(xué)的制定物流發(fā)展規(guī)劃和政策，保持區(qū)域物流的供需平衡，實(shí)現(xiàn)資源的優(yōu)化配置和經(jīng)濟(jì)效益的最大化，推動(dòng)物流業(yè)的健康快速發(fā)展。

第一，增加地區(qū)外貿(mào)總額，大力發(fā)展對(duì)外經(jīng)濟(jì)。江西應(yīng)在中部崛起戰(zhàn)略的契機(jī)下，倚靠作為長(zhǎng)三角縱深腹地，沿江通海，承接沿海地區(qū)資本外溢、產(chǎn)業(yè)轉(zhuǎn)移的地域優(yōu)勢(shì)，轉(zhuǎn)變觀念積極發(fā)展對(duì)外貿(mào)易。依托現(xiàn)有的交通運(yùn)輸設(shè)施，構(gòu)建多式聯(lián)運(yùn)與轉(zhuǎn)運(yùn)設(shè)施工程。構(gòu)建一個(gè)以南昌為中心的高效便捷、功能完備、貨暢其流、集散有序、布局合理的現(xiàn)代物流網(wǎng)絡(luò)，著力將南昌培育成為一個(gè)具有重要影響力的國(guó)際物流樞紐。

第二，完善物流基礎(chǔ)設(shè)施建設(shè)，提高物流的信息化水平，構(gòu)建現(xiàn)代物流信息系統(tǒng)平臺(tái)以迎合未來(lái)物流貨運(yùn)量和周轉(zhuǎn)量的大幅度增長(zhǎng)。隨著江西省第二、三產(chǎn)業(yè)比重的加大和快速增長(zhǎng)，對(duì)物流需求具有高附加值的發(fā)展趨勢(shì)。鼓勵(lì)自主創(chuàng)新，加強(qiáng)物流新技術(shù)的開(kāi)發(fā)與應(yīng)用，提高物流運(yùn)作效率。加大物流人才的培養(yǎng)，讓更多民營(yíng)企業(yè)進(jìn)入物流市場(chǎng)，加快第三方物流企業(yè)的發(fā)展成了大勢(shì)所趨。

第三，在繼續(xù)保持農(nóng)業(yè)優(yōu)勢(shì)的前提下，積極促進(jìn)二、三產(chǎn)業(yè)對(duì)物流的帶動(dòng)效應(yīng)。促進(jìn)物流業(yè)與其他產(chǎn)業(yè)的聯(lián)動(dòng)發(fā)展，提升相關(guān)產(chǎn)業(yè)價(jià)值，促進(jìn)地區(qū)零售額的增長(zhǎng)，推進(jìn)各大產(chǎn)業(yè)體系平穩(wěn)前行。加強(qiáng)網(wǎng)絡(luò)和節(jié)點(diǎn)的科學(xué)合理布局，為客戶提供一站式服務(wù)，利用信息化管理手段，提高物流裝備的專業(yè)化和現(xiàn)代化。運(yùn)用供應(yīng)鏈運(yùn)作模式，引導(dǎo)企業(yè)對(duì)工作、物流、信息和資金等進(jìn)行流程改造，實(shí)現(xiàn)物流產(chǎn)業(yè)與其他產(chǎn)業(yè)的共同發(fā)展。發(fā)揮科技支撐作用，促進(jìn)經(jīng)濟(jì)的健康快速發(fā)展。

[1]李青峻.基于灰色關(guān)聯(lián)分析的重慶市物流產(chǎn)業(yè)影響因素研究[D].重慶:重慶工商大學(xué),2011.

[2]田剛,李南.江蘇省物流貨運(yùn)量灰色預(yù)測(cè)及灰色關(guān)聯(lián)研究[J].價(jià)格月刊,2010(4):83-85.

[3]張佳紅,李亮亮.港口物流與區(qū)域經(jīng)濟(jì)灰色關(guān)聯(lián)度——以河北省為例[J].物流科技.2012(7):6-10.

[4]王晶瓊,張鳳濟(jì),劉俐.基于灰色關(guān)聯(lián)模型的蘇北物流經(jīng)濟(jì)影響因素分析[J].物流工程與管理.2011(5):51-53.

[5]宿夢(mèng)思,張志清.基于BP神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的區(qū)域物流需求預(yù)測(cè)[J].物流工程與管理.2009(10):21-22.

[6]何霞.基于灰色系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的省級(jí)區(qū)域物流需求預(yù)測(cè)[D].長(zhǎng)沙:長(zhǎng)沙理工大學(xué).2009.

[7]金橋.基于人工神經(jīng)網(wǎng)絡(luò)算法的港口物流需求預(yù)測(cè)研究及實(shí)證分析[D].北京:北京交通大學(xué).2008.

[8]陳治亞,周艾飛,譚欽之,方曉平.基于改進(jìn)的BP人工神經(jīng)網(wǎng)絡(luò)的物流需求規(guī)模預(yù)測(cè).鐵道科學(xué)與工程學(xué)報(bào),2008(6):62-68.

[9]高曉月,封學(xué)軍,蔣柳鵬.南京港集裝箱生成量預(yù)測(cè)與發(fā)展措施建議[J].華東交通大學(xué)學(xué)報(bào),2013,30(1):91-95.

Logistic Demand Forecasting in Jiangxi Province Based on Grey Correlation

Zhang Cheng,Feng Yaping
(School of Economics and Management,East China Jiaotong University,Nanchang 330013,China)

Regional logistics and regional economies are closely connected.In order to accurately predict the de?mand size of the regional logistics,this paper uses grey correlation to analyze economic factors thatmay determine the regional logistic demand.It establishes regional logistic demand forecasting index system and BP neural net?work of regional logistic forecastingmodel.The empirical analysis verifies the validity of the predictionmodel,and provides a prediction of logistic needs in Jiangxi for the following five years.

regional logistics;regional economy;artificial neural network

F259

A

2013-11-03

江西省軟科學(xué)研究計(jì)劃項(xiàng)目（20122BBA10104）；科技部國(guó)家軟科學(xué)研究計(jì)劃項(xiàng)目（2010GXS5D224）

張誠(chéng)（1962—），教授，博士，研究方向?yàn)槲锪鞴芾怼?/p>

1005-0523（2014）04-0026-07