王佳穎，頊玉卿，李 媛

(河北地質(zhì)大學 城市地質(zhì)與工程學院，石家莊 050031)

作為全球運輸網(wǎng)絡(luò)中的重要組成部分，港口物流集貨運集散、貿(mào)易出口等重任于一身，對于帶動區(qū)域經(jīng)濟建設(shè)和整個物流業(yè)的發(fā)展貢獻著巨大的力量。2021年7月，山東省政府發(fā)布《山東省“十四五”綜合交通運輸發(fā)展規(guī)劃》，《規(guī)劃》中明確表示將建設(shè)世界級港口群，青島港作為綠色示范港重點建設(shè)。在優(yōu)化運輸結(jié)構(gòu)的背景下，積極推進多式聯(lián)運一體化發(fā)展，大宗貨物“公轉(zhuǎn)水”運輸將成為青島港協(xié)同力提高的新挑戰(zhàn)。所以，實現(xiàn)港口資源的合理分配與均衡利用對推動海陸空的物流連接具有重要現(xiàn)實意義。

近年來，學者們對港口物流的關(guān)注集中于港口物流與區(qū)域經(jīng)濟發(fā)展關(guān)系[1-2]、可持續(xù)發(fā)展[3]、港口物流效率[4-5]以及港口物流量需求研究[6-7]。其中關(guān)于物流需求量傳統(tǒng)的方法得到的預(yù)測值一般不具有自我修正能力，而神經(jīng)網(wǎng)絡(luò)的應(yīng)用彌補了傳統(tǒng)預(yù)測方法的缺點，但神經(jīng)網(wǎng)絡(luò)優(yōu)化也有待改進?，F(xiàn)有港口物流研究文獻為本文的問題切入點提供了理論基礎(chǔ)，本文在眾學者的研究基礎(chǔ)上建立了基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)模型。實證結(jié)果顯示，該網(wǎng)絡(luò)模型表現(xiàn)出預(yù)測結(jié)果與實際結(jié)果誤差較小、擬合效果較好、預(yù)測精度高等優(yōu)勢，為今后探究青島港口物流發(fā)展提供科學依據(jù)。

一、 港口物流需求預(yù)測模型

(一)BP神經(jīng)網(wǎng)絡(luò)模型的基本原理

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)，是一種典型的非線性算法，按照誤差逆向傳播算法來訓練樣本，并根據(jù)實際輸出和期望輸出之間的誤差值最小，由后向前不斷對閾值和權(quán)值進行逐層修正，以提高模型對輸入模式響應(yīng)的正確率。BP神經(jīng)網(wǎng)絡(luò)是包括輸入層、隱含層(或中間層)和輸出層的多層前饋神經(jīng)網(wǎng)絡(luò)，在網(wǎng)絡(luò)中，各層神經(jīng)元分工明確，分別負責信息的接收和傳遞、內(nèi)部信息處理變換、信息處理結(jié)果的輸出等任務(wù)。循環(huán)往復(fù)的信息正傳播和誤差反向傳播過程也是各層權(quán)值和閾值更新的過程，一直執(zhí)行到網(wǎng)絡(luò)輸出的誤差最小，即實際輸出逼近期望輸出或達到預(yù)先設(shè)定的學習次數(shù)為止。

(二)物流需求預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

本文將采用含有一個隱含層的三層BP神經(jīng)網(wǎng)絡(luò)建立物流需求預(yù)測模型，具體步驟如下所示。

1.輸入層節(jié)點確定?？赡苡绊懳锪餍枨箢A(yù)測的指標個數(shù)稱為輸入層的神經(jīng)節(jié)點個數(shù)。對于所選的指標，通過灰色關(guān)聯(lián)度量化各影響因素與預(yù)測結(jié)果的相關(guān)程度，避免關(guān)聯(lián)程度較小指標對分析結(jié)果產(chǎn)生影響。對相關(guān)程度大的指標進行主成分分析，將主成分得分預(yù)測值作為神經(jīng)網(wǎng)絡(luò)訓練數(shù)據(jù)。

2.隱含層節(jié)點數(shù)目的確定。本文采用包含一層隱含層的神經(jīng)網(wǎng)絡(luò)進行模擬，初定隱含層的節(jié)點數(shù)目經(jīng)驗公式[8]為：

(1)

其中，s為所求隱含層節(jié)點數(shù)(在實際網(wǎng)絡(luò)訓練時會略有調(diào)整)，m為輸入節(jié)點數(shù)，n為輸出節(jié)點數(shù)，s值四舍五入取整，結(jié)果可能略有偏多，最終取值可根據(jù)實際網(wǎng)絡(luò)訓練過程略微調(diào)整。

3.正向傳遞子過程。設(shè)節(jié)點i和節(jié)點j之間的權(quán)值為wij，節(jié)點j的閾值為bj，輸出值為xj。f為激活函數(shù)，常用的有S型函數(shù)(0-1)和雙極S型函數(shù)：

(2)

xj=f(Sj)

(3)

4.反向傳遞子過程。假設(shè)輸出層結(jié)果為dj，誤差函數(shù)為：

(4)

激活函數(shù)常選取S型函數(shù)：

(5)

Q為調(diào)整激勵函數(shù)形式的Sigmoid參數(shù)。

基于上述公式，根據(jù)梯度下降法，對于隱含層和輸出層之間的權(quán)值和閾值的調(diào)整公式如下：

=wij-η1×δij×xi

(6)

(7)

輸入層和隱含層之間的權(quán)值和閾值調(diào)整公式如下：

=wki-η1×δki×xk

(8)

(9)

迭代執(zhí)行權(quán)值及閾值的更新，直到滿足停止準則(在規(guī)定迭代次數(shù)內(nèi)，相鄰兩次迭代誤差到達最小)

二、實證分析

青島港集裝箱業(yè)務(wù)層在全國港口城市排名中位列前茅，全自動化集裝箱碼頭工程也于2017年、 2019年分兩期相繼投入商業(yè)運營，全自動化的實現(xiàn)大大提升了碼頭作業(yè)效率。據(jù)2019年中國大陸港口貨物吞吐量及增速的統(tǒng)計排名顯示，青島港口物流綜合排名第六，集裝箱吞吐量排名強勁，增幅高達8%以上。同時，受京津冀一體化輻射和綠色發(fā)展理念倡導(dǎo)影響，青島港口物流業(yè)積極推進資源整合提高效率和降低非期望產(chǎn)出。隨著物流業(yè)與互聯(lián)網(wǎng)產(chǎn)業(yè)深入融合，未來青島港口物流需求量有很大增長空間。眾所周知，物流過程中由于港口技術(shù)設(shè)施薄弱，配套設(shè)施不健全[9]，時間與人力占用了絕大部分資源，降本增效顯得尤為重要。本文通過構(gòu)建BP模型充分發(fā)揮人工神經(jīng)網(wǎng)絡(luò)的優(yōu)勢對青島港口物流需求進行預(yù)測研究，以期實現(xiàn)對物流成本的降低、資源的合理規(guī)劃等目標的積極影響。

(一)影響因素指標選取分析

港口物流需求受國內(nèi)外貿(mào)易環(huán)境和自然環(huán)境影響較大，且具有明顯的不確定性和非線性特征。為能更全面精確地預(yù)測港口物流需求量，借鑒學者從不同角度選取指標的經(jīng)驗，例如產(chǎn)品消費及需求領(lǐng)域[10]、研究地區(qū)實際情況[11]等，本文從社會經(jīng)濟、人文環(huán)境、港口物流發(fā)展現(xiàn)狀三個維度進行模型指標的選取。

1.社會經(jīng)濟。經(jīng)濟繁榮程度是產(chǎn)業(yè)發(fā)展的重要表征，其中，在互聯(lián)網(wǎng)發(fā)展的影響下，國民經(jīng)濟三大產(chǎn)業(yè)間相互聯(lián)系、相互依賴，對物流業(yè)產(chǎn)生不同程度的影響。城市GDP指標和社會商品零售總額用來反映經(jīng)濟增長對物流需求的刺激程度，固定資產(chǎn)的投資額對港口物流的資源分配起著重要作用。青島港的服務(wù)區(qū)域并不局限于青島市，因此，選用青島市生產(chǎn)值占全省生產(chǎn)總值比重代表山東省經(jīng)濟對青島港的影響。

2.人文環(huán)境。人文環(huán)境一般是思想、理念、信仰等用于定性描述的因素，是人為的、社會的、非自然的。基于數(shù)據(jù)的可獲得性以及避免人為主觀判斷所造成的偏差導(dǎo)致數(shù)據(jù)分析失真，本文以人文角度選取指標主要是從青島市政府支持以及居民就業(yè)方面考慮對港口物流的影響，選取了青島市物流業(yè)從業(yè)人員數(shù)占總從業(yè)人數(shù)比重和水運部門機構(gòu)數(shù)兩個定量指標作為影響因素。

3.港口物流發(fā)展。港口營運現(xiàn)狀是研究港口物流需求量的必要條件。港口的貨運量、貨物周轉(zhuǎn)量、集裝箱吞吐量、口岸的進出口總額在需求量上做了體量上的參考，而水上運輸?shù)某杀九c營業(yè)收入在物流經(jīng)濟上提供了新的分析角度，所以選用此六個指標作為影響港口物流發(fā)展的因素。

(二)數(shù)據(jù)來源

本文用于青島港物流需求預(yù)測的數(shù)據(jù)來源于2006—2020年的《青島市統(tǒng)計年鑒》《青島市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》《山東省統(tǒng)計年鑒》《中國物流年鑒》。鑒于數(shù)據(jù)的連續(xù)性、統(tǒng)計口徑一致性，港口貨運量和港口貨運周轉(zhuǎn)量兩個指標的數(shù)據(jù)選取了水運的貨運量和貨物周轉(zhuǎn)量代替。物流從業(yè)人員比重數(shù)據(jù)以交通運輸、倉儲和郵政業(yè)從業(yè)人員比重數(shù)據(jù)代替。由于港口貨物吞吐量的變化[12]能夠在一定程度上反映港口基礎(chǔ)設(shè)施、機械設(shè)備、服務(wù)水平、管理效率、技術(shù)進步等港口發(fā)展的內(nèi)在因素變化，所以用青島港港口貨物吞吐量代替青島港物流需求量。

X1—X15分別代表15個影響港口物流需求量的指標變量，2005—2019年青島港物流需求及影響因子的指標統(tǒng)計數(shù)據(jù)見表1。

表1 2005—2019年青島港物流需求量及影響因素實際值

續(xù)表1 2005—2019年青島港物流需求量及影響因素實際值

(三)數(shù)據(jù)預(yù)處理

在進行主成分分析之前，需要對上述指標進行關(guān)聯(lián)度分析，考慮到物流業(yè)屬于非線性行業(yè)而且樣本數(shù)據(jù)量不是大規(guī)模的，所以本文選擇灰色關(guān)聯(lián)度分析。灰色關(guān)聯(lián)度分析及計算簡便，無需大量樣本，在原始數(shù)據(jù)上直接計算，依靠灰色關(guān)聯(lián)描述各因素間相關(guān)度的大小，若因素間變化態(tài)勢基本一致，則相關(guān)度較大，反之，相關(guān)度較小。本文利用MATLAB軟件對表1數(shù)據(jù)進行灰色關(guān)聯(lián)度分析，結(jié)果如表2所示，表中分析結(jié)果為影響港口物流需求量的15個因素與港口吞吐量的關(guān)聯(lián)度關(guān)系如下：

X14>X2>X1>X15>X4>X9>X3>X6>X7>X8>X5>X13>X12>X10>X11

表2 青島市港口物流需求量與其影響因素灰色關(guān)聯(lián)度

在15個影響因素中X11(水運貨運周轉(zhuǎn)量)的關(guān)聯(lián)度為0.6566，相關(guān)度較低，在進行接下來的分析時舍棄該因素。其他14個影響因素與港口物流需求量的關(guān)聯(lián)度均在0.7以上，相關(guān)度較高，所以采用篩選過后的14個指標進行接下來的主成分分析。

本文將2005—2016年共12組數(shù)據(jù)作為網(wǎng)絡(luò)訓練樣本，2017—2019年共3組數(shù)據(jù)作為預(yù)測驗證樣本，利用SPSS stats26.0軟件進行數(shù)據(jù)分析。在主成分分析結(jié)果中提取了三個主成分因子，累計貢獻率94.508%。利用主成分回歸分析，將三個主成分因子作為因變量，港口吞吐量作為自變量，得到回歸結(jié)果。從數(shù)據(jù)來看R2為0.991，調(diào)整后R2為0.989，擬合效果很好。構(gòu)建主成分因子多元回歸模型如下(標準化)ZY=0.985*y1-0.136*y2+0.04*y3。得到主成分得分預(yù)測結(jié)果(見表3)。

表3 主成分得分預(yù)測表

青島港口貨物吞吐量預(yù)測結(jié)果如表4所示，從擬合效果來看主成分分析及主成分回歸得到的模型預(yù)測的數(shù)據(jù)與實際數(shù)據(jù)誤差較小，建立的模型較為合理。

表4 預(yù)測檢驗樣本結(jié)果表

(四)BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

1.BP神經(jīng)網(wǎng)絡(luò)初始值的確定?；谝陨现鞒煞址治鎏崛〉?個主成分預(yù)測得分，即輸入層包含3個神經(jīng)元節(jié)點，輸出層有一個神經(jīng)元節(jié)點，隱含層的節(jié)點數(shù)根據(jù)公式(1)計算出隱節(jié)點數(shù)為4個，經(jīng)過訓練檢驗，最終驗證得出隱節(jié)點數(shù)為3時預(yù)測效果最好，所以本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)采用3-3-1的拓撲結(jié)構(gòu)模型進行訓練預(yù)測。tansig函數(shù)和線性函數(shù)purelin分別為隱含層和輸出層的傳遞函數(shù)。根據(jù)網(wǎng)絡(luò)訓練經(jīng)驗設(shè)置最大訓練次數(shù)為1000，學習速率為0.1，訓練目標精度為0.001。該實例的神經(jīng)網(wǎng)絡(luò)模型的建立運行均在軟件MATLAB R2020a下進行的。

圖1 青島港物流需求預(yù)測網(wǎng)絡(luò)

2.網(wǎng)絡(luò)訓練。根據(jù)物流需求預(yù)測網(wǎng)絡(luò)模型將2005—2016年數(shù)據(jù)作為訓練，神經(jīng)網(wǎng)絡(luò)訓練效果線如圖3所示，可以看出在網(wǎng)絡(luò)訓練過程中此模型在較短時間內(nèi)就達到了收斂，在進行18次迭代后即達到預(yù)設(shè)目標，網(wǎng)絡(luò)的泛化能力在第12次取得最佳值。圖2結(jié)果顯示了預(yù)測輸入數(shù)據(jù)與真實值的對比情況，表明整體擬合效果比較樂觀。

圖2 BP神經(jīng)網(wǎng)絡(luò)訓練結(jié)果圖

圖3 BP神經(jīng)網(wǎng)絡(luò)訓練效果線圖

如圖4顯示的是實測數(shù)據(jù)與網(wǎng)絡(luò)訓練、驗證、測試的模擬輸出值的關(guān)系。表明網(wǎng)絡(luò)訓練、驗證模擬值與實測值之間整體接近1∶1線性關(guān)系。相關(guān)系數(shù)分別為0.99934、1、1、0.99928，經(jīng)過訓練之后，此網(wǎng)絡(luò)表現(xiàn)的性能較好，精度非常高。

圖4 BP神經(jīng)網(wǎng)絡(luò)訓練、驗證、測試過程回歸

表5 BP神經(jīng)網(wǎng)絡(luò)預(yù)測數(shù)據(jù)結(jié)果表

本文將2017—2019年的數(shù)據(jù)作為測試值輸入到已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)中，經(jīng)計算得出預(yù)測值，表5為2017—2019年三年的真實值、預(yù)測值以及二者之間的誤差，而且相對誤差表現(xiàn)較好。通常而言，在對物流經(jīng)濟指標進行預(yù)測時，誤差控制在4%左右可以認為該模型準確率較高，因此BP神經(jīng)網(wǎng)絡(luò)模型可以作為青島港口物流需求量預(yù)測工作的可靠定性研究工具。

3.青島港物流需求預(yù)測。通過上文對BP神經(jīng)網(wǎng)絡(luò)的訓練可以根據(jù)有關(guān)數(shù)據(jù)對青島港物流需求進行未來年份的預(yù)測，BP神經(jīng)網(wǎng)絡(luò)是根據(jù)本年對預(yù)測目標影響較大的影響因素的數(shù)據(jù)來預(yù)測當年值，即在程序中輸入物流需求因子數(shù)值得到預(yù)測值。對于未來年份影響青島港物流需求的因子的數(shù)據(jù)采用其年均增長率來確定。將未來三年的三指標數(shù)據(jù)作為輸入值得到對應(yīng)預(yù)測的物流需求量，結(jié)果如表6所示。

表6 青島港2020-2022年港口物流需求量預(yù)測結(jié)果表

通過預(yù)測的未來三年的需求量結(jié)果和近年來青島港口物流需求增長速度(見圖5)來看，青島港的吞吐量總體是呈增長趨勢，且增長趨勢趨于平穩(wěn)。隨著“一帶一路”倡議的深入發(fā)展，我國交通運輸業(yè)正在更新優(yōu)化，多式聯(lián)運的運輸形式在一定程度上會刺激港口物流發(fā)展，港口物流業(yè)的發(fā)展呈向好特征。

圖5 青島港口物流需求增長速度

三、結(jié)論與建議

(一)結(jié)論

本文依據(jù)神經(jīng)網(wǎng)絡(luò)理論構(gòu)建港口物流需求模型，運用trainlm函數(shù)進行數(shù)據(jù)訓練，其中權(quán)值和閾值的調(diào)整是訓練過程要達到的結(jié)果，而最終的切實目的是使網(wǎng)絡(luò)誤差達到最小，即實際輸出值接近期望值。最后以網(wǎng)絡(luò)學習訓練的仿真結(jié)果與真實值的對比擬合分析圖的形式展示分析結(jié)果，結(jié)果證明，關(guān)于構(gòu)建的青島港口物流需求量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型擬合效果好，精度較高，適用性較強。從預(yù)測結(jié)果來看，誤差出現(xiàn)的部分多是預(yù)測值略小于真實值，在今后的生產(chǎn)活動中按此誤差規(guī)律并結(jié)合整體預(yù)測值的計算，青島港口物流的需求量預(yù)測值更加可以準確、高效得出。整體來看，BP神經(jīng)網(wǎng)絡(luò)模型在港口物流需求預(yù)測中將其非線性映射能力、泛化能力和容錯力等優(yōu)點充分發(fā)揮，提高了人工神經(jīng)網(wǎng)絡(luò)在實際生產(chǎn)領(lǐng)域的應(yīng)用性。

港口作為重要的戰(zhàn)略資源可以極大地推動區(qū)域經(jīng)濟的發(fā)展，物流業(yè)作為基于“互聯(lián)網(wǎng)+”下聯(lián)通各行業(yè)各業(yè)的“新型”行業(yè)已不斷成為經(jīng)濟發(fā)展進步的標志性產(chǎn)業(yè)，所以港口物流的穩(wěn)定發(fā)展對海濱城市的經(jīng)濟拉動起著重要作用。隨著內(nèi)需的增加以及我國在世界貿(mào)易中扮演著越來越重要角色的影響，港口物流的需求規(guī)模是不斷擴大，有較大上升潛力。由于是預(yù)測的數(shù)據(jù)，在實際物流活動中會受各種不確定性因素的影響會導(dǎo)致預(yù)測值與實際值產(chǎn)生偏差，所以此預(yù)測數(shù)據(jù)可作為短期規(guī)劃依據(jù)，為青島港貨物物流轉(zhuǎn)型升級提供一定的參考價值。

(二)青島港發(fā)展現(xiàn)代港口物流的建議

本文基于人工神經(jīng)網(wǎng)絡(luò)模型對青島港未來三年的港口物流需求量進行預(yù)測分析，結(jié)合青島市當?shù)靥厣a(chǎn)業(yè)優(yōu)勢，為青島港發(fā)展現(xiàn)代港口物流提出以下建議：一是從社會經(jīng)濟角度考慮。加大政府對物流智能平臺的投資力度，構(gòu)建青島港口物流信息平臺，提高港口物流效率，建設(shè)完整的現(xiàn)代港口物流體系；在“互聯(lián)網(wǎng)+”的時代背景下，國際貿(mào)易互動頻繁，進出口貿(mào)易大部分依賴于港口流通，所以要經(jīng)濟發(fā)揮港口物流優(yōu)勢，協(xié)調(diào)三大傳統(tǒng)產(chǎn)業(yè)生產(chǎn)活動，為港口物流發(fā)展提供堅實基礎(chǔ)。二是從政府政策角度考慮。政府完善優(yōu)化港口物流政策，以政策優(yōu)勢吸引第三方物流企業(yè)聚集，形成專業(yè)物流，以期將青島港口建成國際級規(guī)模物流集地。三是從港口物流發(fā)展?jié)摿嵌瓤紤]。青島港依靠天然的地理優(yōu)勢，發(fā)展集疏運體系，在現(xiàn)有較全面的集疏運交通體系基礎(chǔ)上，構(gòu)建鐵海運輸網(wǎng)絡(luò)，提高青島港貨物吞吐能力，使其保持巨大的發(fā)展?jié)摿Α?/p>