论文部分内容阅读
【摘要】：社会物流总额是判断一个国家经济发展是否繁荣稳定的一个总要指标。目前，很少有文章对我国社会物流的发展趋势有过深入的研究。本文采用Matlab的神经网络工具箱函数建立神经网络预测模型，对我国后2年社会物流总额的一个预测。实践证明，该模型编程简单，还能克服常规语言建立预测模型存在的模型复杂、训练时间长等缺点。
【关键词】：社会物流总额；人工神经网络；预测
社会物流总额的预测，就是利用历史的资料，运用适当的方法和技巧，对未来的社会物流总额状况进行科学的分析、估算和推断。人工神经网络建模方法是通过模仿脑神经系统的组织结构以及某些活动机理，可以呈现出人脑的许多特征，并具有人脑的一些基本功能。因此，它可以较好地揭示非线性时间序列在时延状态空间中的相关性，从而达到预测的目的。本文运用基于神经网络理论的时间序列法，对中国的社会物流总额进行预测，并对预测结果做了相应的分析。
一、概述社会物流总额
1.社会物流总额的定义
社会物流总额指第一次进入国内需求领域，产生从供应地向接受地实体流动的物品的价值总额，简称为社会物流总额。主要包括六个方面的内容：进入需求领域的农产品物流总额、工业品物流总额、进口货物物流总额、外省市调人物品物流总额、再生资源物流总额、单位与居民物品物流总额。
2.社会物流总额的分类
我国社会物流总额主要由如下几部分组成：
农产品物流总额：在规定的报告期内由农業生产部门提供，进入农业需求领域，产生从供应地向接受地实体流动的全部农林牧渔业产品价值总额。也就是农业生产部门的农产品商品产值，但不包括由农业生产者直接通过集市贸易售予居民消费的部分。
工业品物流总额：在规定的报告期内进入需求领域，产生从供应地向接受地实体流动的全部工业产品价值总额。即工业生产部门的销售产值，但不包括不能以具体产品体现的工业性作业销售产值。
外部流入货物物流总额：在规定的报告期内以人民币表示的通过我国海关进口和从区域外流入的物品总额。从区域外流入物品物流额是报告期内经社会物流服务、从本行政区域以外的地区送达本地区的物品价值总额。
再生资源物流总额：在规定的报告期内进入需求领域，经再生产加工后可重复利用的废旧物资总额。根据流通环节再生资源商品销售额计算。即：再生资源物流总额=流通环节的再生资源商品销售额。
单位与居民物品物流额：在规定的报告期内进入需求领域，经社会物流服务，从提供地送达接收地的单位与居民的物品价值总额。主要包括铁路、航空等运输中的计费行李、邮政与快递业务中快件、包裹、信函、报刊杂志等寄递物品、形成社会物流服务的社会各界的各种捐赠物、单位与居民搬家迁居物品等。
3.社会物流总额的算法
我国社会物流总额主要是几个主要指标的综合其计算公式如下：
社会物流总值=（工业品物流总值+农产品物流总值+进口货物总值+再生资源物流总值+邮政物流总值）
4.研究社会物流总额的现实意义
社会物流总额是判断一个国家经济发展是否繁荣稳定的一个总要指标，如果一个国家的社会物流总额一直呈现出不断的上升趋势，说明这个国家的经济发展是特别繁荣的。因而，我们可以通过对我国社会物流总额的发展做一个预测，让人们更加了解我国经济发展的基本状况。从而，更好的提出相应的发展措施，刺激我国经济的高速发展。
二、社会物流总额的预测实例
从中国社会物流情况运行通报中查的我国2002年—2013年社会物流总额为单位（万元）：23.2、29.5、38.4、48.1、59.6、75.23、89.9、96.65、125.4、158.4、177.3、197.8。所得数据真实可靠，具有一定的研究意义和价值。显然数据为较长的时间序列，因此网络输入节点的选择可以采用下面的方法：首先将序列分为两部分，一部分为训练数据，另一部分为检验数据，然后分别由小到大改变输入节点数来训练并检验其误差大小。
1.数据的预处理
由于历年社会物流总额是一维时间序列，满足神经网络运用的一般规律。可以看得出表中的数据都比较的大，如果将原始数据带入网络学习，涉及数量级很大的数据时，其权值将很小，与某些权值相比，很容易被计算机误判为零。而实际上这种误判仅仅源于数量级的差别太大。为了使拟合的模型数据更加接近于真实的值，我们将统计出的以往各年数据按某一个线性条件进行适当的处理。其处理的公式为：p（t）=p/100。将预处理后的数据再运用于训练模型当中。
2. MATLAB实现程序
P 为输入样本矢量集，T 为对应的目标样本矢量集。设：输入样本（年份归一化后的数据）P = [1， 2， 3， ……， 12 ] （1， 2， ……， 12 分别对应2002， 2003， 2004，……， 2013年）输出样本观测值（对应预处理后相应年份的社会物流总额） T=[0.232 0.295 0.384 0.481 0.596 0.752 0.899 0.967 1.254 1.584 1.773 1.978]。对输入向量p的一个处理，根据训练结果在利用六项的向量，可以将模拟的结果与真实的数据很想近，因而对输入向量转换为以前面六个数据预测当前数据。
通过MATLAB编程运行后的训练模型的预测误差为：total_error = 7.9592e-06误差极其的小。说明训练模拟的结果很有代表性可以用于对2014和2015年的社会物流总额的一个预测。对2014年的社会物流总额的预测，输出结果为：a13 =2.3426对2015年的社会物流总额的预测，输出结果为：a14 = 2.7490
把输出数据还原：2014年的社会物流总额预测值为：2.3462×100=234.62万亿预测表明2014年的预测值和实际值相当接近，该训练模型具有实际运用价值。2015年的社会物流总额预测值为：2.7490×100=274.9万亿。将预测的数值带入原来的真实值中并画出趋势图并将其数字通过归一化处理后得到了如下的图像：
图 1 预测趋势图和归一化频率图
从图1可以看出来我国社会物流总额在后两年内将继续成增长的趋势而且其递增频率越来越趋于一个比较稳定的数值，也就是我国的物流业将会进入一个比较平稳的增长时期。
三、结论
通过对我国2014和2015年的社会物流总额的一个预测可以看出 ：在神经网络的训练阶段中其产生的误差极其的小。因而，模拟的神经网络完全是可以用于对后两年的预测。从预测的结果可以得到2014年的社会物流总额为：234.62万亿；2015年的社会物流总额为：274.9万亿。从得出的数据可以看出在接下来的两年里我国的社会物流总额将保持高速的增长趋势，而且增长的频率越来越趋于稳定。也就是我国的经济将会进入较为稳定的增长时期。
参考文献：
[1] 秦立公.基于人工神经网络的时间序列分析方法在物流需求预测中的应用[J].物流科技.2007（6）：3-5.
[2] 2013年全国物流运行情况通行通报[R].中国物流与采购联合会，2013.
【关键词】：社会物流总额；人工神经网络；预测
社会物流总额的预测，就是利用历史的资料，运用适当的方法和技巧，对未来的社会物流总额状况进行科学的分析、估算和推断。人工神经网络建模方法是通过模仿脑神经系统的组织结构以及某些活动机理，可以呈现出人脑的许多特征，并具有人脑的一些基本功能。因此，它可以较好地揭示非线性时间序列在时延状态空间中的相关性，从而达到预测的目的。本文运用基于神经网络理论的时间序列法，对中国的社会物流总额进行预测，并对预测结果做了相应的分析。
一、概述社会物流总额
1.社会物流总额的定义
社会物流总额指第一次进入国内需求领域，产生从供应地向接受地实体流动的物品的价值总额，简称为社会物流总额。主要包括六个方面的内容：进入需求领域的农产品物流总额、工业品物流总额、进口货物物流总额、外省市调人物品物流总额、再生资源物流总额、单位与居民物品物流总额。
2.社会物流总额的分类
我国社会物流总额主要由如下几部分组成：
农产品物流总额：在规定的报告期内由农業生产部门提供，进入农业需求领域，产生从供应地向接受地实体流动的全部农林牧渔业产品价值总额。也就是农业生产部门的农产品商品产值，但不包括由农业生产者直接通过集市贸易售予居民消费的部分。
工业品物流总额：在规定的报告期内进入需求领域，产生从供应地向接受地实体流动的全部工业产品价值总额。即工业生产部门的销售产值，但不包括不能以具体产品体现的工业性作业销售产值。
外部流入货物物流总额：在规定的报告期内以人民币表示的通过我国海关进口和从区域外流入的物品总额。从区域外流入物品物流额是报告期内经社会物流服务、从本行政区域以外的地区送达本地区的物品价值总额。
再生资源物流总额：在规定的报告期内进入需求领域，经再生产加工后可重复利用的废旧物资总额。根据流通环节再生资源商品销售额计算。即：再生资源物流总额=流通环节的再生资源商品销售额。
单位与居民物品物流额：在规定的报告期内进入需求领域，经社会物流服务，从提供地送达接收地的单位与居民的物品价值总额。主要包括铁路、航空等运输中的计费行李、邮政与快递业务中快件、包裹、信函、报刊杂志等寄递物品、形成社会物流服务的社会各界的各种捐赠物、单位与居民搬家迁居物品等。
3.社会物流总额的算法
我国社会物流总额主要是几个主要指标的综合其计算公式如下：
社会物流总值=（工业品物流总值+农产品物流总值+进口货物总值+再生资源物流总值+邮政物流总值）
4.研究社会物流总额的现实意义
社会物流总额是判断一个国家经济发展是否繁荣稳定的一个总要指标，如果一个国家的社会物流总额一直呈现出不断的上升趋势，说明这个国家的经济发展是特别繁荣的。因而，我们可以通过对我国社会物流总额的发展做一个预测，让人们更加了解我国经济发展的基本状况。从而，更好的提出相应的发展措施，刺激我国经济的高速发展。
二、社会物流总额的预测实例
从中国社会物流情况运行通报中查的我国2002年—2013年社会物流总额为单位（万元）：23.2、29.5、38.4、48.1、59.6、75.23、89.9、96.65、125.4、158.4、177.3、197.8。所得数据真实可靠，具有一定的研究意义和价值。显然数据为较长的时间序列，因此网络输入节点的选择可以采用下面的方法：首先将序列分为两部分，一部分为训练数据，另一部分为检验数据，然后分别由小到大改变输入节点数来训练并检验其误差大小。
1.数据的预处理
由于历年社会物流总额是一维时间序列，满足神经网络运用的一般规律。可以看得出表中的数据都比较的大，如果将原始数据带入网络学习，涉及数量级很大的数据时，其权值将很小，与某些权值相比，很容易被计算机误判为零。而实际上这种误判仅仅源于数量级的差别太大。为了使拟合的模型数据更加接近于真实的值，我们将统计出的以往各年数据按某一个线性条件进行适当的处理。其处理的公式为：p（t）=p/100。将预处理后的数据再运用于训练模型当中。
2. MATLAB实现程序
P 为输入样本矢量集，T 为对应的目标样本矢量集。设：输入样本（年份归一化后的数据）P = [1， 2， 3， ……， 12 ] （1， 2， ……， 12 分别对应2002， 2003， 2004，……， 2013年）输出样本观测值（对应预处理后相应年份的社会物流总额） T=[0.232 0.295 0.384 0.481 0.596 0.752 0.899 0.967 1.254 1.584 1.773 1.978]。对输入向量p的一个处理，根据训练结果在利用六项的向量，可以将模拟的结果与真实的数据很想近，因而对输入向量转换为以前面六个数据预测当前数据。
通过MATLAB编程运行后的训练模型的预测误差为：total_error = 7.9592e-06误差极其的小。说明训练模拟的结果很有代表性可以用于对2014和2015年的社会物流总额的一个预测。对2014年的社会物流总额的预测，输出结果为：a13 =2.3426对2015年的社会物流总额的预测，输出结果为：a14 = 2.7490
把输出数据还原：2014年的社会物流总额预测值为：2.3462×100=234.62万亿预测表明2014年的预测值和实际值相当接近，该训练模型具有实际运用价值。2015年的社会物流总额预测值为：2.7490×100=274.9万亿。将预测的数值带入原来的真实值中并画出趋势图并将其数字通过归一化处理后得到了如下的图像：
图 1 预测趋势图和归一化频率图
从图1可以看出来我国社会物流总额在后两年内将继续成增长的趋势而且其递增频率越来越趋于一个比较稳定的数值，也就是我国的物流业将会进入一个比较平稳的增长时期。
三、结论
通过对我国2014和2015年的社会物流总额的一个预测可以看出 ：在神经网络的训练阶段中其产生的误差极其的小。因而，模拟的神经网络完全是可以用于对后两年的预测。从预测的结果可以得到2014年的社会物流总额为：234.62万亿；2015年的社会物流总额为：274.9万亿。从得出的数据可以看出在接下来的两年里我国的社会物流总额将保持高速的增长趋势，而且增长的频率越来越趋于稳定。也就是我国的经济将会进入较为稳定的增长时期。
参考文献：
[1] 秦立公.基于人工神经网络的时间序列分析方法在物流需求预测中的应用[J].物流科技.2007（6）：3-5.
[2] 2013年全国物流运行情况通行通报[R].中国物流与采购联合会，2013.