1、基于支持向量机的城市物流需求预测研究摘要：文章利用支持向量机的非线性能力对历史物流需求量进行学习，获得模型最优参数，对将来物流需求进行预测。文章调研了焦作市历年的城市物流需求数据对模型性能进行测试，测试结果表明，支持向量机针对城市物流需求预测精度较高，为城市物流需求预测提供了有效的方法。 关键词：物流需求；支持向量机；预测 一、 前言 当前，衡量某国国家现代化水平与综合国力的一个非常重要标志就是该国现代物流的发展程度，中国物流需求的快速增长加速了物流产业的急速发展，并逐渐发展成为我国国民经济的关键部分和重要的经济增长点。有关的统计资料表明，物流业增加值每增加 1%，就能够增加 10 万个新的就
2、业岗位。2010 年中国社会物流总额实现了 125.4 万亿元，相比2000 年增长了 6.3 倍，年均增长率为 23%，物流业的增加值为 2.7 万亿元，与 2000 年相比增长了 2.9 倍，年均增长率为 14%；物流业增加值占我国全部服务业增加值的比重是 16%，占 GDP 的比重为 6.9%，众多的学者认为，物流产业是拉动第三产业的关键因素。 为了更好地推动我国现代物流的发展，建设现代物流服务体系，利用物流服务促进其他相关产业的发展，中央政府已经把物流产业列为十大调整振兴行业之一，从而提出了积极发展大型现代物流企业、引导物流市场需求、鼓励重点领域物流发展和增加物流基础设施建设，提升物流
3、标准化水平以及信息化程度等未来物流发展的大方向。 但是，物流业的发展与地区的经济发展水平是密切相关的，相关部门应当特别重视物流产业固定资产投资的快速增长，必须使得物流产业的发展与物流需求量保持高度的一致和协调。故构建合理的物流需求预测模型、并进行定量分析是非常有必要的，从而可以为政府以及企业发展物流产业提供科学的可靠的决策依据。 二、 物流需求指标选择 南开大学的李莉和张建华运用 GDP、物流增加值和物流成本等指标，以天津市为研究对象，调研了一些物流数据进行研究，分别对宏观物流成本和物流增加值这两个指标占 GDP 比重进行分析发现，物流业的发展与国民经济整体水平两者之间存在着一定的相关性。 以
4、我国物流业发展的需求为起点，长安大学的孙启鹏和丁海鹰从这三方面可以定量描述物流量：第一，定量描述物流需求与经济发展水平之间的关系；第二，定量描述物流作业内容；第三，定量描述物流本源需求的规模。 西南交通大学的周泰和王亚玲等对经济、社会、科技和环境方面进行分析。选取了反映 GDP 与产业结构方面的指标，包括区域国内生产总值、区域人均国内生产总值、第一产业产值、第二产业产值、第三产业产值等；建立了系统的区域物流需求预测影响因素指标体系。 林荣天、陈联诚和李绍静等分析了影响区域物流需求量的宏观方面的因素，包括区域经济规模、产业结构、经济空间布局等指标。他们认为区域经济整体发展状况是决定区域物流需求的
5、主要因素：对物流的需求功能、层次及结构等有着重大影响的因素是产业结构：区域内的贸易和人均收入等也会影响物流需求。 刘晓峰和高丽梅采用了货运量、GDP、外贸进出口额和社会消费品零售额等指标，利用了灰色模型和神经网络模型预测了公路货运量，取得了较好的预测效果。 黄永福使用重庆市 9 年的相关数据包括 2000 年2008 年的 GDP、第一产业生产总值、第二产业生产总值、第三产业生产总值以及固定资产投资总额等当做预测参数，预测了重庆市 2010 年、2012 年、2015 年的公路、水路、铁路和航空的货运量。 赵庆波和安立仁以货运量衡量物流需求量，运用灰色关联度分析方法，利用 1996 年2009
6、 年陕西省物流数据对陕西省未来物流需求量进行了较为准确的预测。 综合物流需求预测的研究，可以看出在选择预测对象和预测指标方面，学术界还没有形成统一的看法。总的来看，物流需求包括质（物流时间、物流成本、物流效率等）和量即物流需求规模等两个方面。许多研究者对货运量、物流成本占 GDP 的比例和社会物流总费用这三个指标，进行三选一来表示物流需求规模。而对于区域社会物流总费用、物流成本的有关数据查找相当困难，所以论文就利用货运量来衡量区域物流需求规模。 许多的研究人员认为，区域物流影响因素与物流需求之间存在着的映射关系，它对区域物流需求的增长或减少有很大的影响关系，因此利用区域物流影响因素来预测区域物
7、流需求。区域物流影响因素指标体系总结如下： （1）经济因素指标。由于物流需求的内在的决定因素是区域的社会经济发展水平，因此这类指标有：GDP、区域内外经济贸易、固定资产投资、社会消费品总额、各产业总值和价格指数等。 （2）行业因素指标。良好充足的物流硬件设施以及便捷周到的物流服务可以刺激区域物流需求的增长。所以这类指标可以包括：物流业基础设施、货运量和货运周转量以及物流业从业人员等。 （3）环境因素指标。一个区域的科技发展和经济方面的政策可以使得该地区的经济效率和经济结构得到很快的变化，因而能够对物流需求产生间接影响。这些指标涉及到科技活动经费支出、经济政策和科技成果等。 （4）其它因素指标。
8、地理位置和自然资源状况的差异对区域物流发展的影响也会有所不同，因此区域物流需求的影响因素还包括地理位置和自然资源状况等。包括以下指标即：地理位置、自然资源状况和人口状况等。 以上的指标体系固然比较全面具体，但是有些指标难以量化或不易查找。因此在实际的预测研究中，考虑到统计数据是否可以获得和地区统计数据的口径，通常情况下是在下面的指标中进行选取：GDP、社会消费品零售总额、第一产业产值、第二产业产值、第三产业产值、商品零售价格指数、公路通车里程、铁路营业里程、全社会固定资产投资额、原煤产量、货物周转量、进出口总额、物流业从业人数、科技经费支出、人口总数等相关指标。 三、 基于支持向量机的城市物流
9、需求预测模型 支持向量机简称为 SVM，是在统计学习理论的基础上，根据结构风险最小化原理建立起来的，其核心思想是学习机器要与有限的训练样本相适应，是一种能相对比较好地解决非线性、小样本、高维数以及局部极小值等分类问题的方法，目前已经成功地应用于模式分类、函数逼近和时间序列预测等方面的研究。支持向量机方法的优势可以总结为以下几点：第一，该方法是通过有限样本进行学习从而实现结构风险最小化的学习机器；第二，它得到的是全局最优解，解决了局部极值问题；第三，该方法能够把问题通过非线性变换映射到特征空间，从而建立线性决策函数，以得到原来空间中的非线性决策函数，不但解决了维数问题，同时保证了公认的推广能力，
10、而且样本维数对其算法复杂度无影响。 目前， SVM 算法在效率与精度上已经远远超过了传统的学习算法。 假设在给定的 K 个样本数据集中，（xi，yi） ，i=1，2，n，n 表示样本数目，根据支持向量机原理，就可以找到以下的表达式： 这里面， 代表权值向量，b 代表偏置量。 一般来讲，支持向量机预测会使用平方误差以及绝对值误差当做损失函数，论文使用 不敏感损失函数（-insensitive cost function） ，由此支持向量机对训练集采用交叉验证展开建模。 为： 为了让支持向量机在训练集上得到更好的泛化推广能力，不但需要最小化经验风险，而且还需尽可能地使预测模型的复杂度降低，所以，支
11、持向量机预测的过程就是对以下问题的优化求解的过程： 由于本论文的支持向量机模型使用径向基核函数，故参数 和 C 对支持向量机的预测性能有直接影响。优化支持向量的物流需求预测流程如图 1 所示。 四、 实证研究 河南省焦作市在地理位置上具有承东启西、沟南通北的枢纽地位，地处我国南北交汇点，东西结合部。目前，焦作市已形成了以能源、机械、化工、冶金、建材工业为主，食品、轻纺、医药等工业部门综合发展的工业行业结构，该市各项经济指标居于河南省同行业前列，是全国44 个重点化工城市之一。本论文将焦作市 1996 年2010 年间统计数据资料作为实证研究对象，建立支持向量机预测模型，对焦作市物流需求进行预测
12、。 本文以城市公路货运量指标来量度焦作市物流需求规模，在以往研究的基础上，建立城市物流需求预测指标体系，如表 1 所示。 将 19962010 年焦作市公路货运需求量序列建模，在 MATLAB 软件运行下，获得一些结果。如图 2图 4 示。 从上面的运行结果可以看出，当参数 C=256，g=0.035 897 时，离差平方和最小为 0.002 859 5，能够得到理想的拟合结果。 从训练样本的预测结果可知，本文预测模型拟合结果最好，模型性能最优，可以用于对测试集的预测。 根据焦作市 2011 年的有关指标数据，利用以上建立的支持向量机模型，可以预测 2011 年的焦作市城市公路货运量为 17
13、179.26 万吨， 实际上 2011 年的焦作市城市公路货运量为 17 368.97 万吨。 根据以上的研究结果进行对比可知，本论文构建的支持向量机模型的预测值和实际值比较接近，说明了构建的物流需求预测模型所运行的预测结果能够比较准确地体现市场需求的变化趋向，具有较好的实用价值，因此说该模型是一种比较有效的适用的物流需求预测方法。 五、 结论与展望 我国的物流业面临史无前例的挑战，假如对需求估计不充分，物流企业将会失去很多盈利的机会；但如果对需求估计过于夸大，又会因为过多的投入从而造成物流企业资金的滥用与紧缺。故对物流需求进行科学预测具有重要的理论价值和实践意义。 论文利用焦作市 1996
14、年2010 年间统计数据资料作为实证研究对象，建立城市物流的支持向量机预测模型，预测结果表明该模型具有较好的拟合，实现了支持向量机分析方法在物流需求预测中的应用。本文对物流需求主要影响因素的预测是根据实际数据进行的，忽略了影响因素随其他因素影响的变化而变化，例如对 GDP 和外贸总额等指标的预测，由于 2008 年的金融危机，2009 年的增长幅度或许受到较大的影响，因此预测误差可能会很大。本论文主要考虑的是对物流需求影响较大的影响因素，同时又能够量化的经济因素，而对影响因素的交叉作用也没有过多的考虑。 参考文献： 1. 孙启鹏，丁海鹰.区域物流需求量预测理论及模型构建.物流技术，2004，
15、（10）：27-30. 2. 周泰，王亚玲.基于多因素分析的区域物流需求径向基函数网络预测.商业研究，2009， （9）：163-166. 3. 林荣天，陈联诚，李绍静，黄灏然.基于灰色神经网络的区域物流需求预测.价值工程，2007， （2）：92-96. 4. 刘晓锋，高丽梅.基于有效度的公路货运量预测.天津工程师范学院学报，2008，18（3）：17-20. 5. 黄永福.重庆市物流需求预测方法及应用研究. 硕士学位论文，2009， （12）. 6. 吴洁明.物流需求预测算法的仿真研究.计算机仿真，2011， （9）：246-249. 作者简介：吕淑丽，河南理工大学经济管理学院副教授、硕士生导师，东华大学管理学博士。 收稿日期：2013-09-27。
