基于GA-BP算法的长江运价指数模型研究及预测

李玉琢 刘攀

摘要： 文章通过市场的特征选取了相关影响因素对长江水域的运输经济问题进行了研究。根据过往水运市场经济事件的分析，建立了基于GA-BP算法的价格制定模型，确定了长江运价指数。并根据长江航务交易所的历史数据对模型进行验证，证明了模型的有效性和合理性。本文有助于增强钢铁水运市场参与者的自身竞争能力和确保经营收益，有效地防范经营风险。

关键词：GA-BP算法;长江运价

2017年，长江干线货物通过量已达到25亿吨。长江已成为世界通航最繁忙、运量最大的河流。长江内河运输方式的价格指数，并没有明确的参考价格，相关交通运输企业只能根据沿海运价指数对内河运价进行上下的小幅度调整，但往往由于市场的延迟等不确定因素的存在，长江运价与沿海运价有较大的差距。怎样才能使制定价格与实际价格有更高的契合度实现与市场的同步，建立一个权威性有说服力的价格体系，是需要解决的关键。

1.影响因素分析

1.1国家经济发展水平

衡量一个国家的经济发展水平指标很多，如国内生产总值、进出口贸易量、人均消费、人均寿命等等，由于我国人口数量较为稳定，因此GDP能够反映我国经济发展水平，本文采用GDP来作为国家经济发展水平的衡量指标。

1.2燃油价格

燃油成本是航运运输过程中最重要的成本支出。由于我国的航船大都采用柴油发动机。本文收集自2017年1月至2018年9月燃油价格从3000元/顿涨至6000元/吨。（燃油价格数据来源：https：//www.cngold.org/ 运价指数来自长江航务局官网）

1.3货物价格

长江水域承运货物种类为大宗货物主要包括钢材、煤炭、铁矿石。并且各种货物的价格不同，导致有各种不同的包裝、装卸、运输需求，因此对运价有很直接的影响。本文选取钢材、煤炭、铁矿石的价格作为影响航运指数的因素。

2.模型构建及一致性检验

由于长江运价指数制定问题本身十分复杂，大部分的影响因素与运价指数之间存在的是非线性关系，数据量大且繁杂，内部规律较难发现，鉴于BP神经网络最大的优点为对非线性关系的也有很强的适用性，能够从大量繁杂的数据中寻找规律。但是传统的BP神经网络算法有两点不足：一是收敛速度慢;二是初始值的设置易导致陷入局部最优解，无法求得全局最优解。通过研究选择用GA算子改进BP算法优化模型，其中遗传算法的基本步骤：编码、初始群体的生成、适应度评估、选择、交叉和变异。

用GA算子改进BP算法首先执行GA算法，得到初始权值、阈值，如果这时的解能满足事先所规定的网络精度，则认为GA-BP算法终止，同时退化为BP算法。如果得到的解不符合精度要求，则激活遗传算法，进入“GA-BP”迭代循环。直到寻找到最优的初始权值、阈值。引入遗传算法，是为了利用遗传算法在寻找全局最优解上的优势，帮助BP算法跳出局部最优陷阱，最终找到一个满足网络精度的点。

基于BP神经网络算法的运价模型，将选取的样本数据进行归一化处理，同样将样本数据按时间排序，前1-80号数据作为训练样本集，后80-90号数据作为测试样本集。Matlab程序代码略;本文选用3层的神经网络结构。样本共4个因素，即4个输入参数，1个输出参数，故输入层节点数为4个，输出层为1个。根据近似关系式，BP神经网络结构为4-3-7-2-1，设置训练次数为5000次，训练目标为0.01，学习速率为0.1。得到9个测试样本运价的模型结果。检验得平均相对误差较小，即此模型一致性良好。

总结

（1）通过先把因素分类然后抓住各类主要因素的方法来解决因素过多的问题。

（2）用GA算子改进BP算法克服了传统的BP神经网络收敛速度慢和初始值的设置易导致陷入局部最优解的缺陷。

（3）经过一致性得到此GA-BP模型算法预测得出的结果与符合实际情况符合比较好，具有突出的实际意义。

参考文献：

[1]王大山，刘文白.化学品市场主船型期租水平运价指数研究及预测[J].数学的实践与认识，2017，47（23）：58-67.

[2]王溪倩.干散货航运市场的运价指数及其波动研究[J].物流工程与管理，2018，40（10）：108-109+117.