基于神经网络模型的中国农产品物流需求预测

张娜

摘 要：以BP神经网络模型为预测方法，对2003年～2012年我国农产品的物流需求进行模拟，并对未来我国农产品的物流需求的情况进行预测。结果显示，由BP神经网络模型模拟的数据精度较高，验证了该方法在数据拟合和预测领域具有较强的实用性。而对于农产品物流需求的预测结果表明，短期内我国农产品物流需求的增长状况仍然是非常可观的。

关键词：神经网络模型;农产品;物流需求;预测

一、引言

农产品是我国居民生活必需的产品，在城乡居民消费中都占有较大的比重。农业向来是支撑我国经济社会发展的基础产业。随着我国区域经济的发展和人民生活水平的提高，农产品供给和需求都得到显著提高。随之引致的农产品物流供给和物流需求也不断增加。在这种发展趋势下，如何协调农产品物流供给和物流需求均衡是值得关注的问题。对于农产品物流提供者来说，对农产品物流需求进行合理预测，是保证农产品物流供给满足需求的重要手段，是维持农产品物流供求均衡的重要依据。与此同时，合理地预测农产品的物流需求，也能促进农产品社会物流维持更好更快地发展。

二、农产品物流需求预测的关键因素

从我国农产品市场供求关系、农产品市场发展的协调性等多方面来看，农产品物流需求规模变化的主要影响因素包括我国经济发展水平、农产品产量、居民消费水平、居民消费结构、科技发展水平等。单从经济学角度来看，农产品物流需求是一种派生的需求，它除了受宏观经济因素影响之外，还受到农产品消费和使用、农产品生产等各类微观因素影响。随着我国经济发展水平不断提升、产业结构不断优化、资源配置不断调整，农产品的物流需求也将不断发生变化。因此，我们可以认为我国农产品物流需求与经济社会发展之间存在极大的关联。由此，利用反映经济社会发展的各项指标对我国农产品的物流需求进行预测，是具有可行性的。

在衡量农产品物流需求时，本文采用农产品物流需求规模的指标。该指标主要反映了我国农产品物流需求的总量，是农产品生产决策过程中必须明晰的首要指标。根据我国经济社会发展的特征及与农产品物流需求的联系，本文设置了可以反映农产品物流需求规模的指标。

在宏观经济层面上，选择我国国内生产总值和农产品产量两个指标。国内生产总值反映了我国总体经济发展水平;农产品产量则反映了农产品的供给水平，是衡量农业发展的重要指标。在消费经济层面上，选择居民消费支出总额和农产品消费占总消费的比重两个指标。居民消费支出总额是我国消费规模的体现，而农产品消费占总消费的比重则反映了农产品消费在整个消费市场中的地位，也是我国农产品物流需求的重要衡量指标。在物流运输层面上，选择农产品物流总额、总货运量、货运周转量和社会物流总额四个指标。农产品物流需求的预测实质上就是对量的变化趋势的一个把握，可用物流量或物流额来反映，而农产品物流总额正是农产品需求量的重要衡量指标;总货运量、货运周转量和社会物流总额是对我国运输总体水平的把握，反映了我国物流经济增长的情况。在运输方式层面上，选择铁路农产品运输量指标。在目前我国区域内和区域间农产品运输方式上以铁路最为普遍，因此采用这种方式的农产品运输量指标。

三、我国农产品物流需求预测实的证分析

1.样本说明

本文选取我国历年的农产品物流数据样本，对我国农产品物流需求进行预测，选取样本的时间序列为2003年至2012年。各指标定义如下：Y表示我国农产品物流需求总额（单位：亿元），X1表示国内生产总值（单位：亿元），X2表示我国农产品产量（单位：万吨），X3表示居民人均消费支出额（单位：元），X4表示农产品消费占总消费的比重（单位：%），X5表示我国总货运量（单位：万吨），X6表示我国货运周转量（单位：亿吨·公里），X7表示我国社会物流总额（单位：亿元），X8表示我国铁路农产品运输量（单位：万吨）。以上指标的原始数据来自于《中国统计年鉴》、《中国物流年鉴》和国研网统计数据库。由于我国农产品物流需求的部分数据无法获取，故采用如下方法间接计算得到：农产品的物流总额=同时期农产品的商品产值-农业生产者直接通过集市贸易售-居民消费农产品总额。

以上指标的数据如表1所示。

2.数据处理

由于上述指标单位不一，无法进行指标间的比较或整合，因此通过归一化方法对原始指标数据进行无量纲处理。设第j个指标的第i个数据为xij，第j个指标所有数据中的最大值为maxxij，最小值为minxij，考虑到以上所有指标都为正向指标，因此归一化方法的计算公式如下：

x*ij=（xij-minxij）/（maxxij-minxij）       （1）

其中，x*ij为xij的无量纲化结果。

3.基于神经网络模型实证分析

为了对我国农产品的物流需求进行较为精确地预测，采用BP神经网络模型，通过SPSS软件进行仿真试验，得到神经网络体系图如图1所示。发现当隐层的神经元数目值为6时，该仿真结果是最能确保BP神经网络模型的预测精度的。因此，本文选取神经网络的输入层为8个神经元，隐层为6个神经元，输入层为1个神经元 ？

■

图1 神经网络体系图

利用SPSS软件，可以得到BP神经网络学习过程中的各个参数，结果如表2所示 ？

图2给出了由BP神经网络模型得到的模拟预测效果，由图可知，通过BP神经网络模型预测得到的历年我国农产品物流需求总额与农产品实际物流需求总额在二维坐标内基本能维持在45%线上，也就是说，该模型的模拟效果是比较好的。图3给出了由BP神经网络模型得到的模拟结果的误差值，由图可知，大部分数据的预测误差值能维持在300以内。由于我国农产品物流需求总额的基数庞大，因此图2所有的误差值相对是很小的，这也表明了由BP神经网络模型得到的模拟精度较高。endprint

■

图2 BP神经网络模型学习得到的模拟结果

■

图3 BP神经网络模型模拟结果的误差值

将BP神经网络模型模拟得到的预测值与实际值进行量化比较：

ei=（yi*-yi）/yi                （2）

其中，ei为相对误差，yi为实际值，yi*为预测值。每年预测值与实际值的相对误差结果如表3所示。

由表2的结果可知，除了2003年我国农产品物流总额的预测相对误差较高（5.9911%）以外，其余年份我国农产品物流总额的预测相对误差均在-2%和2%，即相对误差的变化具有较强的稳定性。因此，我们认为采用BP神经网络模型进行模拟的结果是较为理想的。

因为上述模拟结果的误差控制在较小范围，模拟精度较高，因此可以根据该模型对未来我国农产品的物流需求水平进行预测。笔者预测了2013年、2014年和2015年我国农产品的物流需求总额，具体预测结果如表4所示。

表4 2013年～2015年我国农产品物流需求总额预测

■

由预测结果可知，我国农产品物流需求在2012年以后的未来三年内还将持续保持稳定的增长，三年的平均增长率约为9%。由此可见，短期内我国农产品物流需求的增长状况仍然是良好的，这也就为农产品物流的发展提供了经验上的支持。国内规模以上物流企业应把握农产品物流市场日益壮大的统特征，不断引领全国农产品物流全面发展;中小物流企业应及时抓住机遇，不断拓宽业务范围，争取增加农产品物流服务半径，提高农产品物流能力，满足农产品物流日益增长的需求。

四、结论与评价

本文结合我国经济社会的发展及农产品市场的发展情况，从宏观经济、消费经济、物流运输量和运输方式四个层面提取了能够反映区域农产品物流需求的定量指标。然后，基于BP神经网络模型，以我国农产品物流相关数据为样本，对农产品物流需求的数据进行模拟，并对未来我国农产品物流需求进行预测。通过比较2003～2012年我国农产品物流需求的原始数据与BP神经网络模型模拟数据可知，由BP神经网络模型模拟的数据精度较高，因此该方法可用于对未来我国农产品物流需求的变化趋势进行预测。

根据本文对我国农产品物流需求的预测结果，至少在短期内我国农产品物流需求的增长状况仍然是良好的，这也就为农产品物流市场的拓展提供了经验上的支持。因此，国内规模以上物流企业以及中小型物流企业都应充分把握这个时机，不断提高农产品物流能力，满足农产品物流日益增长的需求。

参考文献：

[1]候媛彬，杜京义，汪梅.神经网络[M].西安：西安电子科技大学出版社，2007.

[2]郭娟.我国农产品物流的现状分析及对策研究[J].农业经济，2013，（6）：119-120.

[3]张郴，张捷.中国入境旅游需求预测的神经网络集成模型研究[J].地理科学，2011，31（10）：1208-1212.endprint

■

图2 BP神经网络模型学习得到的模拟结果

■

图3 BP神经网络模型模拟结果的误差值

将BP神经网络模型模拟得到的预测值与实际值进行量化比较：

ei=（yi*-yi）/yi                （2）

其中，ei为相对误差，yi为实际值，yi*为预测值。每年预测值与实际值的相对误差结果如表3所示。

由表2的结果可知，除了2003年我国农产品物流总额的预测相对误差较高（5.9911%）以外，其余年份我国农产品物流总额的预测相对误差均在-2%和2%，即相对误差的变化具有较强的稳定性。因此，我们认为采用BP神经网络模型进行模拟的结果是较为理想的。

因为上述模拟结果的误差控制在较小范围，模拟精度较高，因此可以根据该模型对未来我国农产品的物流需求水平进行预测。笔者预测了2013年、2014年和2015年我国农产品的物流需求总额，具体预测结果如表4所示。

表4 2013年～2015年我国农产品物流需求总额预测

■

由预测结果可知，我国农产品物流需求在2012年以后的未来三年内还将持续保持稳定的增长，三年的平均增长率约为9%。由此可见，短期内我国农产品物流需求的增长状况仍然是良好的，这也就为农产品物流的发展提供了经验上的支持。国内规模以上物流企业应把握农产品物流市场日益壮大的统特征，不断引领全国农产品物流全面发展;中小物流企业应及时抓住机遇，不断拓宽业务范围，争取增加农产品物流服务半径，提高农产品物流能力，满足农产品物流日益增长的需求。

四、结论与评价

本文结合我国经济社会的发展及农产品市场的发展情况，从宏观经济、消费经济、物流运输量和运输方式四个层面提取了能够反映区域农产品物流需求的定量指标。然后，基于BP神经网络模型，以我国农产品物流相关数据为样本，对农产品物流需求的数据进行模拟，并对未来我国农产品物流需求进行预测。通过比较2003～2012年我国农产品物流需求的原始数据与BP神经网络模型模拟数据可知，由BP神经网络模型模拟的数据精度较高，因此该方法可用于对未来我国农产品物流需求的变化趋势进行预测。

根据本文对我国农产品物流需求的预测结果，至少在短期内我国农产品物流需求的增长状况仍然是良好的，这也就为农产品物流市场的拓展提供了经验上的支持。因此，国内规模以上物流企业以及中小型物流企业都应充分把握这个时机，不断提高农产品物流能力，满足农产品物流日益增长的需求。

参考文献：

[1]候媛彬，杜京义，汪梅.神经网络[M].西安：西安电子科技大学出版社，2007.

[2]郭娟.我国农产品物流的现状分析及对策研究[J].农业经济，2013，（6）：119-120.

[3]张郴，张捷.中国入境旅游需求预测的神经网络集成模型研究[J].地理科学，2011，31（10）：1208-1212.endprint

■

图2 BP神经网络模型学习得到的模拟结果

■

图3 BP神经网络模型模拟结果的误差值

将BP神经网络模型模拟得到的预测值与实际值进行量化比较：

ei=（yi*-yi）/yi                （2）

其中，ei为相对误差，yi为实际值，yi*为预测值。每年预测值与实际值的相对误差结果如表3所示。

由表2的结果可知，除了2003年我国农产品物流总额的预测相对误差较高（5.9911%）以外，其余年份我国农产品物流总额的预测相对误差均在-2%和2%，即相对误差的变化具有较强的稳定性。因此，我们认为采用BP神经网络模型进行模拟的结果是较为理想的。

因为上述模拟结果的误差控制在较小范围，模拟精度较高，因此可以根据该模型对未来我国农产品的物流需求水平进行预测。笔者预测了2013年、2014年和2015年我国农产品的物流需求总额，具体预测结果如表4所示。

表4 2013年～2015年我国农产品物流需求总额预测

■

由预测结果可知，我国农产品物流需求在2012年以后的未来三年内还将持续保持稳定的增长，三年的平均增长率约为9%。由此可见，短期内我国农产品物流需求的增长状况仍然是良好的，这也就为农产品物流的发展提供了经验上的支持。国内规模以上物流企业应把握农产品物流市场日益壮大的统特征，不断引领全国农产品物流全面发展;中小物流企业应及时抓住机遇，不断拓宽业务范围，争取增加农产品物流服务半径，提高农产品物流能力，满足农产品物流日益增长的需求。

四、结论与评价

本文结合我国经济社会的发展及农产品市场的发展情况，从宏观经济、消费经济、物流运输量和运输方式四个层面提取了能够反映区域农产品物流需求的定量指标。然后，基于BP神经网络模型，以我国农产品物流相关数据为样本，对农产品物流需求的数据进行模拟，并对未来我国农产品物流需求进行预测。通过比较2003～2012年我国农产品物流需求的原始数据与BP神经网络模型模拟数据可知，由BP神经网络模型模拟的数据精度较高，因此该方法可用于对未来我国农产品物流需求的变化趋势进行预测。

根据本文对我国农产品物流需求的预测结果，至少在短期内我国农产品物流需求的增长状况仍然是良好的，这也就为农产品物流市场的拓展提供了经验上的支持。因此，国内规模以上物流企业以及中小型物流企业都应充分把握这个时机，不断提高农产品物流能力，满足农产品物流日益增长的需求。

参考文献：

[1]候媛彬，杜京义，汪梅.神经网络[M].西安：西安电子科技大学出版社，2007.

[2]郭娟.我国农产品物流的现状分析及对策研究[J].农业经济，2013，（6）：119-120.

[3]张郴，张捷.中国入境旅游需求预测的神经网络集成模型研究[J].地理科学，2011，31（10）：1208-1212.endprint