陸云峰

[摘 要]世界經(jīng)濟(jì)全球化和區(qū)域經(jīng)濟(jì)一體化的快速發(fā)展，集裝箱的多式聯(lián)運(yùn)越來越重要，海鐵聯(lián)運(yùn)作為一個(gè)重要的運(yùn)輸形式有著強(qiáng)勁的發(fā)展?jié)摿ν瑫r(shí)對(duì)未來的港口發(fā)展和規(guī)劃提供了重要依據(jù)。根據(jù)集裝箱海鐵聯(lián)運(yùn)量數(shù)據(jù)的特征，單一的灰色GM（1，1）模型的預(yù)測精度不高。構(gòu)建灰色-馬爾科夫鏈模型和灰色-BP神經(jīng)網(wǎng)絡(luò)模型兩種組合預(yù)測模型，通過對(duì)比得出灰色-BP神經(jīng)網(wǎng)絡(luò)模型的平均絕對(duì)誤差在5%左右，較比單一的灰色GM（1，1）模型的11.63%和灰色-馬爾科夫鏈模型的10.21%預(yù)測效果較好。通過灰色-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測出大連港未來4年的集裝箱海鐵聯(lián)運(yùn)量。

[關(guān)鍵詞]海鐵聯(lián)運(yùn)；組合預(yù)測模型；灰色-馬爾科夫鏈模型；灰色-BP神經(jīng)網(wǎng)絡(luò)模型；集裝箱

1 引 言

近年來我國“一帶一路”倡議的全面推進(jìn)，外向型經(jīng)濟(jì)的持續(xù)快速發(fā)展，港口集裝箱的吞吐量增長迅速。但是在海鐵聯(lián)運(yùn)的發(fā)展較比發(fā)達(dá)國家還有一定差距，對(duì)集裝箱海鐵聯(lián)運(yùn)量的預(yù)測就顯得尤為重要，也是港口決定物流戰(zhàn)略、經(jīng)營管理的基礎(chǔ)依據(jù)。大連是全國開展集裝箱海鐵聯(lián)運(yùn)最早的港口，大連港在1996年就開始發(fā)展了多種班列運(yùn)營及經(jīng)營模式，為東北乃至全國起到了引領(lǐng)和示范作用。多年來，大連港港海鐵聯(lián)運(yùn)發(fā)展始終處于全國領(lǐng)先水平，已擁有4個(gè)大型物流中心、12個(gè)物流場站、31個(gè)物流站點(diǎn)，形成了龐大的內(nèi)陸網(wǎng)絡(luò)布局，覆蓋東北地區(qū)50余個(gè)站點(diǎn)以及俄羅斯、蒙古、中亞5國和歐洲國家。集裝箱海鐵聯(lián)運(yùn)量有許多綜合因素影響，如經(jīng)濟(jì)、社會(huì)、自然等，具有很大的隨機(jī)性和模糊性，給預(yù)測會(huì)帶來一定的難度。史磊磊的“基于馬爾科夫鏈的組合預(yù)測在港口吞吐量預(yù)測的應(yīng)用”，高玲的“基于灰色馬爾可夫組合模型的福州港吞吐量預(yù)測”，武政，馮偉的“基于灰色馬爾可夫模型的港口吞吐量預(yù)測研究”都是以馬爾可夫模型為基礎(chǔ)對(duì)港口吞吐量進(jìn)行了預(yù)測。陳燕琴的“基于灰色理論和BP網(wǎng)絡(luò)的集裝箱海鐵聯(lián)運(yùn)量預(yù)測”和丁敏婕，張少中“基于BP神經(jīng)網(wǎng)絡(luò)和SVM的外貿(mào)集裝箱量組合預(yù)測模型研究”選用了BP神經(jīng)網(wǎng)絡(luò)模型來解決傳統(tǒng)的預(yù)測精度低和難以全面考慮影響因素的問題。所以在海鐵聯(lián)運(yùn)量的預(yù)測上也可以選用如上方法。Xiao Yang和Liu Liping在China-Europe Sea-Land Express Passages and the Balkans as the Pivot of the Belt-and-Road Transportation Network中詳細(xì)討論了對(duì)中國歐洲海陸快速通道建設(shè)相關(guān)的問題，包括背景情況，基礎(chǔ)設(shè)施，鐵路技術(shù)標(biāo)準(zhǔn)的現(xiàn)狀。BertilNaslund發(fā)表的“Combined Sea Land Transportation In Hamburg”探討了漢堡港是如何發(fā)展海鐵聯(lián)運(yùn)的。根據(jù)上述文章的闡述，也體現(xiàn)了對(duì)大連港集裝箱海鐵聯(lián)運(yùn)量的預(yù)測是很有價(jià)值的。

2 預(yù)測模型分析

2.1 灰色GM（1，1）模型

灰色GM（1，1）模型有很鮮明的特點(diǎn)。需要的數(shù)據(jù)量較少，計(jì)算步驟不煩瑣可以借助數(shù)學(xué)軟件快速計(jì)算，而且灰色GM（1，1）不需要太多的關(guān)聯(lián)因素，資料容易獲得，既可以進(jìn)行短期也可以用于中長期預(yù)測。大連港集裝箱海鐵聯(lián)運(yùn)每年的運(yùn)量可以很容易的得到，按照時(shí)間序列，可以構(gòu)造出系統(tǒng)模型。以下為灰色GM（1，1）模型的運(yùn)算步驟。

2.2 灰色-馬爾可夫鏈模型

馬爾可夫鏈模型就是時(shí)間和狀態(tài)都是離散的馬爾可夫過程。根據(jù)海鐵聯(lián)運(yùn)數(shù)據(jù)的類型也是離散型，所以采用灰色-馬爾可夫鏈模型來預(yù)測集裝箱海鐵聯(lián)運(yùn)量是可行的。根據(jù)灰色GM（1，1）模型得出的數(shù)據(jù)與實(shí)際數(shù)據(jù)的差值規(guī)律，劃分誤差狀態(tài)等級(jí)。并通過每次誤差狀態(tài)所在的等級(jí)內(nèi)，最終調(diào)整預(yù)測的數(shù)值。其中誤差等級(jí)的劃分的數(shù)量，跟灰色GM（1，1）模型預(yù)測出來的數(shù)據(jù)與實(shí)際數(shù)據(jù)的相對(duì)誤差有關(guān)。當(dāng)數(shù)據(jù)較少的時(shí)候，誤差等級(jí)不宜劃分過多，否則失去了模型預(yù)測的意義。反之，如果數(shù)據(jù)較多的話就失去了對(duì)誤差波動(dòng)的調(diào)整。以下是灰色-馬爾可夫鏈模型的運(yùn)算步驟。

2.3 灰色-BP神經(jīng)網(wǎng)絡(luò)模型

BP 神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，每一層都有若干個(gè)神經(jīng)元。層與層之間由權(quán)值連接，每層神經(jīng)元之間無連接。當(dāng)一組初始樣本提供給神經(jīng)網(wǎng)絡(luò)開始學(xué)習(xí)時(shí)，神經(jīng)元的激活值從輸入層經(jīng)各中間層向輸出層傳播，在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)，然后按照減少實(shí)際輸出與目標(biāo)輸出之間誤差的方向，從輸出層反向經(jīng)過各中間層回到輸入層，從而逐層修正各連接權(quán)值，這種算法即為 BP 算法。

本文采用的是灰色預(yù)測與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的預(yù)測方法。灰色-BP神經(jīng)網(wǎng)絡(luò)模型的運(yùn)算步驟如下。

首先用原始樣本數(shù)據(jù)采用GM（1，1）進(jìn)行預(yù)測；然后建立BP神經(jīng)網(wǎng)絡(luò)模型的輸入層、隱含層和輸出層。與海鐵聯(lián)運(yùn)相關(guān)聯(lián)的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入層，集裝箱海鐵聯(lián)運(yùn)量實(shí)際值作為輸出層，Levenberg-Marquardt為訓(xùn)練方法，對(duì)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，建立最優(yōu)神經(jīng)網(wǎng)絡(luò)；再用灰色GM（1，1）模型對(duì)自變量的預(yù)測值作為 BP 神經(jīng)網(wǎng)絡(luò)的輸入值帶入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中，輸出的是海鐵聯(lián)運(yùn)量的預(yù)測量。如圖1是步驟流程圖。

3 預(yù)測實(shí)例

根據(jù)以上對(duì)預(yù)測模型的分析可以看出，每種方法都有自身的優(yōu)點(diǎn)和劣勢。本文取2010年-2017年大連港的海鐵聯(lián)運(yùn)量為原始數(shù)據(jù)來測試灰色GM（1，1）、灰色-馬爾可夫鏈模型、灰色-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)于海鐵聯(lián)運(yùn)量的預(yù)測的可行性。如表1為2010-2017 年大連港集裝箱海鐵聯(lián)運(yùn)量與相關(guān)因素

從表中我們可以得出相對(duì)誤差絕對(duì)值的平均值為11.63%。對(duì)于集裝箱海鐵聯(lián)運(yùn)量的預(yù)測效果并不是很好。

現(xiàn)采用灰色-馬爾可夫鏈模型對(duì)以上數(shù)據(jù)進(jìn)行修復(fù)。根據(jù)實(shí)際值與預(yù)測值之間的誤差即相對(duì)誤差，將誤差狀態(tài)分別分為3種，如表3所示。

根據(jù)表6可以得出灰色-馬爾可夫模型預(yù)測值得相對(duì)誤差絕對(duì)值的平均數(shù)為10.21%。雖然精確度上有所提升，但是還是沒有達(dá)到預(yù)期的效果。

現(xiàn)用灰色-BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測，訓(xùn)練參數(shù)為：迭代步數(shù)為1000次，訓(xùn)練樣本為2010-2017年與大連港集裝箱海鐵聯(lián)運(yùn)量相關(guān)因素。集裝箱海鐵聯(lián)運(yùn)量實(shí)際值作為神經(jīng)網(wǎng)絡(luò)的輸出，采用Levenberg-Marquardt為訓(xùn)練方法，對(duì)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。得到最優(yōu)化的 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。用組合預(yù)測模型對(duì)2010年到2017年的海鐵聯(lián)運(yùn)運(yùn)量進(jìn)行模擬得到數(shù)據(jù)表7。

4 預(yù)測結(jié)果的比較分析

根據(jù)對(duì)表8得出的結(jié)果我們不難看出，BP網(wǎng)絡(luò)組合模型預(yù)測的誤差小于其他兩種預(yù)測模型。所以用GM（1，1）預(yù)測出未來4年的大連港集裝箱吞吐量，外貿(mào)集裝箱吞吐量，大連地區(qū)生產(chǎn)總值，帶入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)里，得出未來4年大連港海鐵聯(lián)運(yùn)量的預(yù)測值如表9。

5 結(jié)論

本文通過運(yùn)用GM（1，1），馬爾科夫鏈模型，BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測了大連港的海鐵聯(lián)運(yùn)量。不管是直接原因還是間接原因，對(duì)于海鐵聯(lián)運(yùn)的發(fā)展都是很重要的。由于數(shù)據(jù)樣本小，且不充足，因此建立灰色預(yù)測模型是最好的選擇，運(yùn)用馬爾科夫模型解決灰色預(yù)測的不確定性。BP神經(jīng)網(wǎng)絡(luò)又可以進(jìn)一步的減少預(yù)測的誤差。是預(yù)測都存在一定的誤差，但是從預(yù)測結(jié)果來看，將來海鐵聯(lián)運(yùn)發(fā)展是不可限量的，值得更多深入探究。

參考文獻(xiàn)：

[1] 王廈. 基于灰色理論的南通港集裝箱吞吐量預(yù)測分析[J]. 商場現(xiàn)代化，2017，（07）：19-20.

[2] 劉玲. 灰色預(yù)測模型在國內(nèi)物流貨運(yùn)量預(yù)測中的應(yīng)用[J]. 物流科技，2017，40（04）：18-20.

[3] 張家善，林曉群. 基于馬爾科夫鏈的港口吞吐量區(qū)間預(yù)測模型研究[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2016，46（15）：159-164.

[4] 李洪磊，王德闖. 基于灰色系統(tǒng)理論的大連港口物流需求預(yù)測[J]. 物流科技，2016，39（01）：17-20.

[5] 史磊磊. 基于馬爾科夫鏈的組合預(yù)測在港口吞吐量預(yù)測的應(yīng)用[J]. 現(xiàn)代經(jīng)濟(jì)信息，2015，（16）：86.

[6] 黃桂媛. 基于灰色預(yù)測法的廣西北部灣物流量預(yù)測[J]. 物流技術(shù)，2015，34（10）：125-127.

[7] 孫長峰. 基于灰色關(guān)聯(lián)理論的物流成本預(yù)測研究[J]. 物流技術(shù)，2014，33（23）：242-244.

[8] 張峰，殷秀清，董會(huì)忠. 組合灰色預(yù)測模型對(duì)物流需求預(yù)測效果的分析[J]. 物流技術(shù)，2014，33（17）：221-223.

[9] 戴霖，黃浩，黃倩盈，屈夢妮，李志強(qiáng). 基于馬爾科夫模型的港口吞吐量預(yù)測[J]. 水運(yùn)管理，2014，36（3）：18-19+22.

[10] 劉亮，楊章偉，劉年鋒. 改進(jìn)灰色預(yù)測模型的研究—以安徽省物流量預(yù)測為例[J]. 物流技術(shù)，2011，30（21）：33-34.

[11] 羅永華，何忠偉. 基于灰色系統(tǒng)理論的茂名市物流需求預(yù)測分析[J]. 物流科技，2010，33（7）：19-21.

[12] 劉莉. 基于灰色預(yù)測模型與季節(jié)指數(shù)的區(qū)域物流需求預(yù)測[J]. 物流技術(shù)，2010，29（08）：41-42+46.

[13] 平先秉. 基于灰色系統(tǒng)理論的湖南省物流需求預(yù)測分析[J]. 物流工程與管理，2010，32（3）：17-19.

[14] 隆惠君，卓巖，江濤濤，鄧淑芬. 基于灰色系統(tǒng)理論的常州市物流需求預(yù)測[J]. 物流科技，2008（6）：51-54.

[15] 王娟，楊勇，孫東泉.我國多式聯(lián)運(yùn)樞紐發(fā)展分析[J].綜合運(yùn)輸，2016（10）.