基于BP神经网络的海南省农产品冷链物流需求预测分析

潘 珠

（海南经贸职业技术学院 工商管理学院，海南 海口 571127）

1 引言

2017年国务院办公厅印发了《关于加快发展冷链物流保障食品安全促进消费升级的意见》。该意见进一步明确了冷链物流发展的重要性，为加快推动冷链物流健康有序发展指明了方向，提供了制度保障。海南省结合本省实际，也制定了《海南省加快推动冷链物流发展保障食品流通安全的实施方案》，提出七大重点任务和四项保障措施。良好的发展态势和日趋旺盛的市场需求使得我国农产品冷链物流总量规模逐年扩大，但占社会物流总额的比例依然较小。在这样的背景之下，对农产品冷链物流进行需求预测分析具有很大的现实意义。

目前，国内外运用于农产品冷链物流需求预测研究的方法较多，几种常见的预测方法见表1。

纵观已有研究可以看出，由于本身的突出优势，BP神经网络一直是农产品冷链物流需求预测的主要方法，适用于具有小样本、多因素、非线性特点的需求系统。

表1 农产品冷链物流需求预测方法对比

2 海南省农产品冷链物流发展概况

2.1 行业政策利好不断

继2010年国家发展改革委《农产品冷链物流发展规划》发布之后，一大波利好农产品冷链物流的政策不断实施，扶持力度持续加大，提供了良好的发展条件，共同助推我国农产品冷链物流建设。海南省积极落实相关政策，大力发展农产品冷链物流。在《海南省“十三五”现代物流业发展实施方案》中明确提出，“构建集商流、物流、信息流为一体化的农产品冷链物流服务体系”。2017年海南省政府办公厅《关于推进农村一二三产业融合发展的实施意见》强调，加快农产品冷链物流体系建设。同年《海南省物流业降本增效专项行动实施方案》指出，加大对农产品冷链物流设施和农产品批发市场建设的支持力度；鼓励物流企业围绕农产品冷链物流等方面开展降本增效试点。由此可以看出，农产品冷链物流业发展环境正在不断优化改善。

2.2 发展规模逐渐增大

随着一系列相关鼓励性政策的出台和推进，海南省农产品冷链物流行业发展迅速，取得显著成效。全省农产品物流总额实现逐年增长，2019年达到1 689.79亿元。2020年上半年受疫情影响，全省农产品物流总额有所下降，但仍占物流总额的23.57%，同比上升0.41个百分点。通过实施补贴的方式，海南省政府扶持建设瓜果菜田头预冷库项目，实现了总库容量和预冷保鲜能力的巨大提升。与2007年的7.5万t相比，全省总库容量翻了几番，瓜果菜预冷库企业的数量也在不断攀升。充分依托海南农产品资源优势，文昌、万宁、屯昌、儋州、三亚等大型农产品冷藏加工物流中心建成并投入使用，进一步助力海南农产品冷链物流发展。

2.3 市场需求日趋旺盛

海南自由贸易港建设对农产品冷链物流业的需求日趋旺盛。《海南自由贸易港建设总体方案》提出，实现运输来往自由便利，建设国际航运枢纽和航空枢纽。这一要求，将进一步打通海南到全国乃至世界各地的货运通道，不仅带来了巨大的市场需求，为农产品冷链物流业的发展提供广阔的空间，还有利于促进农产品冷链物流降本增效，提高物流服务能力。转化到具体项目方面，海南省正在谋划加快建设国际冷链物流枢纽中心。自贸港建立后，海南农产品冷链物流将迎来发展的新机遇。

3 实证分析

3.1 海南省农产品冷链物流需求预测指标体系构建

结合海南省农产品冷链物流实际发展情况，总结已有的相关文献资料，遵循需求预测指标体系的构成原则，构建海南省农产品冷链物流需求预测指标体系，包含社会环境、发展规模、运行效率、市场需求4个一级指标，生产总值、第三产业增加值、社会消费品零售总额、城乡居民人均可支配收入、社会物流总额、物流总额占比、物流业总收入、货物周转量、物流业增加值占GDP比例、物流业增加值占服务业增加值比例、每单位GDP的物流需求系数、运输费用、保管费用、管理费用、社会物流总费用以及主要农产品（蔬菜、水果、水产品）产量18个二级指标，如图1所示。

3.2 BP神经网络模型建立分析

图1 海南省农产品冷链物流需求预测指标体系

在已建立的农产品冷链物流需求预测指标体系基础上，按照BP神经网络的基本工作原理及其训练算法，建立了基于BP神经网络的农产品冷链物流需求预测模型。BP神经网络学习过程就是信号正向传播及误差反向传播的结合[6]。在建立模型时，确定输入层节点数为18，即图1指标体系中影响预测结果的二级指标个数，并用Xi（i=1,2,...,18）表示。以海南省农产品冷链物流需求总额（亿元）作为输出结果，用Y表示，因此输出层节点为1。隐含层节点数的确定需要进行多次网络训练，达到最佳的预测精度和最小的预测误差值。经过反复的迭代训练，确定隐含层节点数为6。综上，建立的18×6×1三层BP神经网络预测模型的网络结构，如图2所示。

图2 BP神经网络结构图

3.3 BP神经网络模型的MATLAB实现

充分考虑到数据的可获得性及适用性，选取了2015-2019年海南省相关指标数据作为样本，数据根据发布的历年《海南省统计年鉴》、《中国物流年鉴》、《中国冷链物流发展报告》及网络资料整理得到，具体见表2。

表2 样本数据

由于MATLAB具有的各种优势和特点，而被广泛应用于需求预测方面。用MATLAB神经网络工具箱来实现基于BP神经网络的海南省农产品冷链物流需求预测模型，首先要对这18个输入样本数据进行预处理，然后建立网络结构和设置训练参数，接下来就是开始BP网络训练，经过充分验证之后，选择训练效果最佳的网络模型，并运用MATLAB工具箱中的sim函数，得到BP网络预测结果。本次训练结果如图3所示。

可见，经过1 000次训练，达到网络目标误差，网络停止训练。预测的线性回归R值较高，说明该模型模拟的效果较好，达到了模型精度要求。为了避免神经网络容易出现的过拟合问题，选取2015-2018年数据为训练集，2019年数据为验证集，从而进行多次训练和调整。网络训练结束后，利用已训练好的网络预测2020-2022年海南省农产品冷链物流需求，输出的网络预测值见表3。

表3 网络预测值

4 结论与建议

4.1 结论

图3 BP神经网络运行结果图

图4 数据对比

表3的预测结果显示，2019年的网络输出预测值与真实值较为接近，预测误差也较小。由图4输入数据、拟合数据以及预测数据对比可以看出，该BP神经网络需求预测模型非线性逼近能力较强，拟合优度较高，拟合效果也较好，能很好地表示该神经网络从输入层、隐含层到输出层各层之间的映射关系，因此预测结果比较具有准确性。最终预测得到2020-2022年海南省农产品冷链物流需求总额分别为1 770.68亿元、1 867.61亿元、1 990.53亿元。

4.2 对策建议

经预测得知，海南省农产品冷链物流发展形势良好，未来几年市场需求总额呈上升趋势，将会有更大的增长空间。未来需要充分发挥政府职能，进一步在资金补贴、技术创新、人才培养等方面加大政策扶持和引导力度，重点培育一批技术先进、特色鲜明的农产品冷链物流企业，推进符合海南自贸港建设的农产品冷链物流规划布局。加快发展农产品冷链物流服务模式，降低物流成本，全面提升农产品冷链物流服务水平。大力推广应用先进的农产品冷链物流理念和装备技术，逐步完善农产品冷链物流标准和服务规范体系。积极发展智慧农产品冷链物流，构建基于大数据、互联网、云计算、区块链等技术的农产品冷链物流供应管理信息共享平台，满足提高冷链物流服务效率的现实需要。