1、研究生課程論文論文題目基于神經(jīng)網(wǎng)絡(luò)的時間序列法在社會物流總額預測中的應用姓 名何 鵬年級專業(yè)2013 級企業(yè)管理課程名稱預測理論與方法課程類別專業(yè)必修課任課教師羅澤舉開課時間2013-2014 學年第 2 學期目錄目錄1 社會物流總額概述社會物流總額概述.11.11.1 社會物流總額的定義社會物流總額的定義.11.21.2 社會物流總額的分類社會物流總額的分類.11.31.3 社會物流總額的算法社會物流總額的算法.21.41.4 研究社會物流總額的現(xiàn)實意義研究社會物流總額的現(xiàn)實意義.22 人工神經(jīng)網(wǎng)絡(luò)的概述人工神經(jīng)網(wǎng)絡(luò)的概述.32.12.1 人工神經(jīng)網(wǎng)絡(luò)的定義人工神經(jīng)網(wǎng)絡(luò)的定義.32.22.2

2、 人工神經(jīng)網(wǎng)絡(luò)的基本原理人工神經(jīng)網(wǎng)絡(luò)的基本原理.32.32.3 生物神經(jīng)元生物神經(jīng)元.32.42.4 人工神經(jīng)元模型人工神經(jīng)元模型.4（1）通用模型.4（2）求和操作.4（3）響應函數(shù).42.52.5 人工神經(jīng)網(wǎng)絡(luò)模型人工神經(jīng)網(wǎng)絡(luò)模型 .4（1）前向網(wǎng)絡(luò).4（2）有反饋的前向網(wǎng)絡(luò).4（3）層內(nèi)互連前向網(wǎng)絡(luò).5（4）分組功能相互結(jié)合型網(wǎng)絡(luò).52.62.6 常見神經(jīng)元響應函數(shù)常見神經(jīng)元響應函數(shù).52.72.7 神經(jīng)網(wǎng)絡(luò)基本學習算法神經(jīng)網(wǎng)絡(luò)基本學習算法.5（1）有教師學習（監(jiān)督學習）.5（2）無教師學習（無監(jiān)督學習）.6（3）強化學習（再勵學習）.62.82.8 用人工神經(jīng)網(wǎng)絡(luò)方法解決問題的一般步驟

3、用人工神經(jīng)網(wǎng)絡(luò)方法解決問題的一般步驟.6（1）確定信息的表達方式.7（2）神經(jīng)網(wǎng)絡(luò)模型的確定.7（3）神經(jīng)網(wǎng)絡(luò)參數(shù)的選擇.7（4）訓練模式的確定.7（5）神經(jīng)網(wǎng)絡(luò)的測試.73 社會物流總額的預測實例社會物流總額的預測實例.73.13.1 數(shù)據(jù)的預處理數(shù)據(jù)的預處理.73.23.2 MATLABMATLAB 實現(xiàn)程序?qū)崿F(xiàn)程序 .84 4 結(jié)論結(jié)論.11參考文獻：參考文獻：.111基于神經(jīng)網(wǎng)絡(luò)的時間序列法在社會物流總額預測中的應用基于神經(jīng)網(wǎng)絡(luò)的時間序列法在社會物流總額預測中的應用何 鵬（重慶工商大學 商務策劃學院，重慶 400067）摘摘 要：要：社會物流總額是判斷一個國家經(jīng)濟發(fā)展是否繁榮穩(wěn)定的一個

4、總要指標。目前，大多數(shù)的學者都是對社會物流總額的歷史數(shù)據(jù)的歸納分析，很少有文章對我國社會物流的發(fā)展趨勢有過深入的研究。文中將人工神經(jīng)網(wǎng)絡(luò)的時間序列預測法應用于社會物流總額的預測，采用 Matlab 的神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)建立神經(jīng)網(wǎng)絡(luò)預測模型，對 2014 年和 2015 年我國社會物流總額的一個預測。實踐證明，該模型編程簡單，還能克服常規(guī)語言建立預測模型存在的模型復雜、訓練時間長等缺點。關(guān)鍵詞：關(guān)鍵詞：社會物流總額 人工神經(jīng)網(wǎng)絡(luò) 時間序列 預測 中圖分類號：中圖分類號：C93-03 文獻標識碼：文獻標識碼：A社會物流總額的預測，就是利用歷史的資料，運用適當?shù)姆椒ê图记?，對未來的社會物流總額狀況進

5、行科學的分析、估算和推斷。人工神經(jīng)網(wǎng)絡(luò) (Artificial Neural Network，縮寫 ANN) 建模方法是一種有效的分析預測方法，人工神經(jīng)網(wǎng)絡(luò)是基于對人腦組織結(jié)構(gòu)、活動機制的初步認識提出的一種新型信息處理體系。通過模仿腦神經(jīng)系統(tǒng)的組織結(jié)構(gòu)以及某些活動機理，人工神經(jīng)網(wǎng)絡(luò)可以呈現(xiàn)出人腦的許多特征，并具有人腦的一些基本功能，因此，它可以較好地揭示非線性時間序列在時延狀態(tài)空間中的相關(guān)性，從而達到預測的目的。神經(jīng)網(wǎng)絡(luò)理論中的 Kolmogorov 連續(xù)性定理從數(shù)學上保證了神經(jīng)網(wǎng)絡(luò)用于時間序列預測的可行性。本文運用基于神經(jīng)網(wǎng)絡(luò)理論的時間序列法， 對中國的社會物流總額進行預測， 并對預測結(jié)果做

6、了相應的分析。1 社會物流總額概述社會物流總額概述1.11.1 社會物流總額的定義社會物流總額的定義社會物流總額指第一次進入國內(nèi)需求領(lǐng)域，產(chǎn)生從供應地向接受地實體流動的物品的價值總額，簡稱社會物流總額。包括六個方面的內(nèi)容：進入需求領(lǐng)域的農(nóng)產(chǎn)品物流總額、工業(yè)品物流總額、進口貨物物流總額、外省市調(diào)人物品物流總額、再生資源物流總額、單位與居民物品物流總額。1.21.2 社會物流總額的分類社會物流總額的分類我國社會物流總額主要由如下幾部分組成：農(nóng)產(chǎn)品物流總額（total value of agricultural logistics products）：報告期內(nèi)由農(nóng)業(yè)生產(chǎn)部門提供，進入需求領(lǐng)域，產(chǎn)生從

7、供應地向接受地實體流動的全部農(nóng)林牧漁業(yè)產(chǎn)品價值總額。2也就是農(nóng)業(yè)生產(chǎn)部門的農(nóng)產(chǎn)品商品產(chǎn)值，但不包括不經(jīng)過社會物流服務，由農(nóng)業(yè)生產(chǎn)者直接通過集市貿(mào)易售予居民消費的部分。計算公式是：農(nóng)產(chǎn)品物流總額=報告期內(nèi)農(nóng)產(chǎn)品商品產(chǎn)值-農(nóng)業(yè)生產(chǎn)者直接通過集市貿(mào)易售予居民消費的部分。計量單位：億元。工業(yè)品物流總額（total value of industrial logistics products）：報告期內(nèi)進入需求領(lǐng)域，產(chǎn)生從供應地向接受地實體流動的全部工業(yè)產(chǎn)品價值總額。即工業(yè)生產(chǎn)部門的銷售產(chǎn)值，但不包括不能以具體產(chǎn)品體現(xiàn)的工業(yè)性作業(yè)銷售產(chǎn)值，或不能通過一般性運輸、裝卸、搬運等物流服務形式完成的電力、蒸汽、

8、熱水的生產(chǎn)與供應業(yè)銷售產(chǎn)值、煤氣生產(chǎn)和供應業(yè)銷售產(chǎn)值、自來水的生產(chǎn)和供應業(yè)銷售產(chǎn)值。計算公式是：工業(yè)品物流總額=報告期工業(yè)銷售產(chǎn)值-工業(yè)性作業(yè)銷售產(chǎn)值、電力、蒸汽、熱水的生產(chǎn)與供應業(yè)銷售產(chǎn)值、煤氣生產(chǎn)和供應業(yè)銷售產(chǎn)值、自來水的生產(chǎn)和供應業(yè)銷售產(chǎn)值之和。計量單位：億元。外部流入貨物物流總額（total value of flowed logistics goods from external areas）：報告期內(nèi)以人民幣表示的通過我國海關(guān)進口和從區(qū)域外流入的物品總額。從區(qū)域外流入物品物流額是報告期內(nèi)經(jīng)社會物流服務、從本行政區(qū)域以外的地區(qū)送達本地區(qū)的物品價值總額。計量單位：億元。再生資源物流總額

9、（total value of recycled logistics resources）：報告期內(nèi)進入需求領(lǐng)域，經(jīng)再生產(chǎn)加工后可重復利用的廢舊物資總額。根據(jù)流通環(huán)節(jié)再生資源商品銷售額計算。即：再生資源物流總額=流通環(huán)節(jié)的再生資源商品銷售額。計量單位：億元。單位與居民物品物流額（total value of logistics goods by organization and residents）：報告期內(nèi)進入需求領(lǐng)域，經(jīng)社會物流服務，從提供地送達接收地的單位與居民的物品價值總額。包括鐵路、航空等運輸中的計費行李、郵政與快遞業(yè)務中快件、包裹、信函、報刊雜志等寄遞物品、形成社會物流服務的社會各

10、界的各種捐贈物、單位與居民搬家遷居物品等。計量單位：億元。1.31.3 社會物流總額的算法社會物流總額的算法我國社會物流總額主要是幾個主要指標的綜合其計算公式如下：社會物流總值=(工業(yè)品物流總值+農(nóng)產(chǎn)品物流總值+進口貨物總值+再生資源物流總值+郵政物流總值)1.41.4 研究社會物流總額的現(xiàn)實意義研究社會物流總額的現(xiàn)實意義3社會物流總額是判斷一個國家經(jīng)濟發(fā)展是否繁榮穩(wěn)定的一個總要指標，如果一個國家的社會物流總額一直呈現(xiàn)出不斷的上升趨勢，說明這個國家的經(jīng)濟發(fā)展是特別繁榮的。而且如果其數(shù)值的遞增頻率比較穩(wěn)定的話說明該國的經(jīng)濟發(fā)展也是比較穩(wěn)定的。因而，我們可以通過對我國社會物流總額的發(fā)展做一個預測，

11、讓人們更加了解我國經(jīng)濟發(fā)展的基本狀況。從而，更好的提出相應的發(fā)展措施，刺激我國經(jīng)濟的高速發(fā)展。2 人工神經(jīng)網(wǎng)絡(luò)的概述人工神經(jīng)網(wǎng)絡(luò)的概述2.12.1 人工神經(jīng)網(wǎng)絡(luò)的定義人工神經(jīng)網(wǎng)絡(luò)的定義人工神經(jīng)網(wǎng)絡(luò)的定義不是統(tǒng)一的，T.Koholen 對人工神經(jīng)網(wǎng)絡(luò)的定義：“人工神經(jīng)網(wǎng)絡(luò)是由具有適應性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應。 ”2.22.2 人工神經(jīng)網(wǎng)絡(luò)的基本原理人工神經(jīng)網(wǎng)絡(luò)的基本原理人工神經(jīng)網(wǎng)絡(luò)（articles neural network，ANN）結(jié)構(gòu)和工作機理基本上以人腦的組織結(jié)構(gòu)（大腦神經(jīng)元網(wǎng)絡(luò)）和活動規(guī)律為背景的，它反映了人腦的

12、某些基本特征，但并不是要對人腦部分的真實再現(xiàn)，可以說它是某種抽象、簡化或模仿。2.32.3 生物神經(jīng)元生物神經(jīng)元神經(jīng)元是大腦處理信息的基本單元，人腦大約由 1011 個神經(jīng)元組成，神經(jīng)元互相連接成神經(jīng)網(wǎng)絡(luò)。神經(jīng)元以細胞體為主體，由許多向周圍延伸的不規(guī)則樹枝狀纖維構(gòu)成的神經(jīng)細胞，其形狀很像一棵枯樹的枝干。主要由細胞體、樹突、軸突和突觸(Synapse，又稱神經(jīng)鍵)組成 。圖圖 1 生物神經(jīng)元的示意圖生物神經(jīng)元的示意圖生物神經(jīng)元傳遞信息的過程為多輸入、單輸出，神經(jīng)元各組成部分的功能來看，信息4的處理與傳遞主要發(fā)生在突觸附近，當神經(jīng)元細胞體通過軸突傳到突觸前膜的脈沖幅度達到一定強度，即超過其閾值電位

13、后，突觸前膜將向突觸間隙釋放神經(jīng)傳遞的化學物質(zhì)，突觸有兩種類型，興奮性突觸和抑制性突觸。前者產(chǎn)生正突觸后電位，后者產(chǎn)生負突觸后電位。2.42.4 人工神經(jīng)元模型人工神經(jīng)元模型 （1）通用模型 P1P2PnW1W2Wna f圖圖 2 人工神經(jīng)元通用模型人工神經(jīng)元通用模型（2）求和操作)(iWiPifa（3）響應函數(shù)y=(s)2.52.5 人工神經(jīng)網(wǎng)絡(luò)模型人工神經(jīng)網(wǎng)絡(luò)模型（1）前向網(wǎng)絡(luò) 主要是指的是從輸入直接到輸出的前向網(wǎng)絡(luò)，如下圖所示：圖圖 3 向前網(wǎng)絡(luò)模型向前網(wǎng)絡(luò)模型（2）有反饋的前向網(wǎng)絡(luò)主要是指的是從輸出到輸入有反饋的前向網(wǎng)絡(luò)，如下圖所示：5圖圖 4 有反饋的向前網(wǎng)絡(luò)模型有反饋的向前網(wǎng)絡(luò)模型

14、（3）層內(nèi)互連前向網(wǎng)絡(luò) 主要用來存儲某種模式序列，如下圖所示：圖圖 5 層內(nèi)互連向前網(wǎng)絡(luò)模型層內(nèi)互連向前網(wǎng)絡(luò)模型（4）分組功能相互結(jié)合型網(wǎng)絡(luò) 主要是限制層內(nèi)同時動作的神經(jīng)元，如下圖所示：圖圖 6 分組功能相互結(jié)合型網(wǎng)絡(luò)分組功能相互結(jié)合型網(wǎng)絡(luò)2.62.6 常見神經(jīng)元響應函數(shù)常見神經(jīng)元響應函數(shù)(a)閾值單元 (s)= 0001ss(b)線性單元y=(s)=s(c)非線性單元：Sigmoid 函數(shù) （1）ses11)(（2）)tanh()(ss2.72.7 神經(jīng)網(wǎng)絡(luò)基本學習算法神經(jīng)網(wǎng)絡(luò)基本學習算法（1）有教師學習（監(jiān)督學習）6神經(jīng)網(wǎng)絡(luò)（學習系統(tǒng)）誤差分析誤差信號e t期望輸出P輸入a 期望輸出圖圖

15、7 有教師學習的算法有教師學習的算法（2）無教師學習（無監(jiān)督學習）神經(jīng)網(wǎng)絡(luò)（學習系統(tǒng)）P輸入a 期望輸出圖圖 8 無教師學習的算法無教師學習的算法（3）強化學習（再勵學習）神經(jīng)網(wǎng)絡(luò)（學習系統(tǒng)）外部環(huán)境評價信息P輸入a 期望輸出圖圖 9 強化學習的算法強化學習的算法2.82.8 用人工神經(jīng)網(wǎng)絡(luò)方法解決問題的一般步驟用人工神經(jīng)網(wǎng)絡(luò)方法解決問題的一般步驟應用人工神經(jīng)網(wǎng)絡(luò)方法解決實際問題時，在面對一個具體的問題，首先應分析求解問題的性質(zhì)，然后依據(jù)問題的特點，建立人工神經(jīng)網(wǎng)絡(luò)模型，最后通過對神經(jīng)網(wǎng)絡(luò)進行訓練7和仿真等，檢驗神經(jīng)網(wǎng)絡(luò)是否滿足需求。其一般的過程如下：（1）確定信息的表達方式將研究問題極其相應

16、的領(lǐng)域的知識轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)可以接受的并處理的形式，即將研究問題抽象為適合于神經(jīng)網(wǎng)絡(luò)方法求解的某種數(shù)據(jù)形式。（2）神經(jīng)網(wǎng)絡(luò)模型的確定主要是根據(jù)問題的實際情況，選擇神經(jīng)網(wǎng)絡(luò)模型的類型和結(jié)構(gòu)等。另外，還可在典型神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，結(jié)合研究問題的具體情況，對神經(jīng)網(wǎng)絡(luò)進行變形、擴充等，同時還可以采用多種神經(jīng)網(wǎng)絡(luò)模型的組合形式。（3）神經(jīng)網(wǎng)絡(luò)參數(shù)的選擇確定神經(jīng)網(wǎng)絡(luò)的輸入、輸出神經(jīng)元的數(shù)目，如果是多層網(wǎng)絡(luò)，還需要進一步確定隱含層神經(jīng)元的個數(shù)。對于反饋神經(jīng)網(wǎng)絡(luò)，還需要進一步設(shè)置反饋神經(jīng)元的有關(guān)屬性。（4）訓練模式的確定此步驟包括選擇合理的訓練算法，確定合適的訓練步驟，指定適當?shù)挠柧毮繕苏`差，已獲得較好的神經(jīng)

17、網(wǎng)絡(luò)性能。（5）神經(jīng)網(wǎng)絡(luò)的測試選擇合理的測試樣本對神經(jīng)網(wǎng)絡(luò)進行測試，或者將神經(jīng)網(wǎng)絡(luò)應用于實際問題，檢驗神經(jīng)網(wǎng)路的性能。需要注意的是，神經(jīng)網(wǎng)絡(luò)測試過程需要遵循交叉測試的原則，以保證測試的有效性、準確性和全面性。3 社會物流總額的預測實例社會物流總額的預測實例如下表 1 的數(shù)據(jù)來源與中國社會物流情況運行通報，所得數(shù)據(jù)真實可靠，具有一定的研究意義和價值。顯然數(shù)據(jù)為較長的時間序列，因此網(wǎng)絡(luò)輸入節(jié)點的選擇可以采用下面的方法：首先將序列分為兩部分，一部分為訓練數(shù)據(jù)，另一部分為檢驗數(shù)據(jù)，然后分別由小到大改變輸入節(jié)點數(shù)來訓練并檢驗其誤差大小。當輸入節(jié)點數(shù)增加，誤差不再有明顯減小時，則此時輸入節(jié)點數(shù)變化的臨界值

18、即為應采用的數(shù)值。 表表 1 1 2003-20132003-2013 年中國社會物流總額年中國社會物流總額 單位：萬億單位：萬億年份200220032004200520062007社會物流總額23.229.538.448.159.675.23年份200820092010201120122013社會物流總額89.996.65125.4158.4177.3197.83.13.1 數(shù)據(jù)的預處理數(shù)據(jù)的預處理由于歷年社會物流總額是一維時間序列，滿足神經(jīng)網(wǎng)絡(luò)運用的一般規(guī)律?？梢钥吹贸霰碇械臄?shù)據(jù)都比較的大，如果將原始數(shù)據(jù)帶入網(wǎng)絡(luò)學習，涉及數(shù)量級很大的數(shù)據(jù)時，其權(quán)8值將很小，與某些權(quán)值相比，很容易被計算機誤

19、判為零。而實際上這種誤判僅僅源于數(shù)量級的差別太大。為了使擬合的模型數(shù)據(jù)更加接近于真實的值，我們將統(tǒng)計出的以往各年數(shù)據(jù)按某一個線性條件進行適當?shù)奶幚?。其處理的公式為：p（t）=p/100。通過計算后得到如下表格的新數(shù)據(jù)： 表表 2 2 預處理后的社會物流總額預處理后的社會物流總額 單位：萬億單位：萬億年份200220032004200520062007社會物流總額0.2320.2950.3840.4810.5960.752年份200820092010201120122013社會物流總額0.8990.96712541584177.319783.23.2 MATLABMATLAB 實現(xiàn)程序?qū)崿F(xiàn)程序P

20、 為輸入樣本矢量集，T 為對應的目標樣本矢量集。設(shè)：輸入樣本(年份歸一化后的數(shù)據(jù))P = 1, 2, 3, , 12 (1, 2, , 12 分別對應 2002, 2003, 2004, 2013 年)輸出樣本觀測值(對應預處理后相應年份的社會物流總額) 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。下圖為初始數(shù)據(jù)的一個散點分布圖：圖圖 10 初始數(shù)據(jù)的時間序列散點分布圖初始數(shù)據(jù)的時間序列散點分布圖對輸入向量 p 的一個處理，根據(jù)訓練結(jié)果在利用六項的向量，可以將模擬的結(jié)果與真實的數(shù)據(jù)很想近，因

21、而對輸入向量轉(zhuǎn)換為以前面六個數(shù)據(jù)預測當前數(shù)據(jù)。Q=length(T); %求 T 的一個長度 P=zeros(3,Q); P(1,2:Q)=T(1,1:(Q-1); P(2,3:Q)=T(1,1:(Q-2); P(3,4:Q)=T(1,1:(Q-3); P(4,5:Q)=T(1,1:(Q-4);9 P(5,6:Q)=T(1,1:(Q-5); P(6,7:Q)=T(1,1:(Q-6);處理后得到如下新的輸入向量：表表 3 3 處理后的輸入向量處理后的輸入向量P（t）12345600.2320.2950.3840.4810.596000.2320.2950.3840.4810000.2320.29

22、50.38400000.2320.295000000.232輸入向量000000P（t）7891011120.7520.8990.9671.2541.5841.7730.5960.7520.8990.9671.2541.5840.4810.5960.7520.8990.9671.2540.3840.4810.5960.7520.8990.9670.2950.3840.4810.5960.7520.899輸入向量0.2320.2950.3840.4810.5960.752創(chuàng)建初始的神經(jīng)網(wǎng)絡(luò)net=newlind(P,T) ; %設(shè)置線性神經(jīng)網(wǎng)絡(luò)訓練a=sim(net,P); %網(wǎng)絡(luò)學習輸出,真實

23、輸出為 T模擬輸出結(jié)果：表表 4 4 模擬輸出結(jié)果數(shù)據(jù)模擬輸出結(jié)果數(shù)據(jù)p(t)123456a0.2220.3320.330.4580.6040.746p(t)789101112a0.9251.0821.2321.5121.7581.995圖圖 11 真實輸出與模擬輸出時間序列比較圖真實輸出與模擬輸出時間序列比較圖將訓練輸出的結(jié)果與真實的數(shù)據(jù)進行誤差分析10error=T-a; m=length(error); s=0; for i=1;m s=s+(error(1,i)2; end total_error=s/m; %平均平方誤差 total_error圖圖 12 相對誤差圖相對誤差圖算出誤差為：total_error = 7.9592e-06 誤差極其的小。說明訓練模擬的結(jié)果很有代表性可以用于對 2014 和 2015 年的社會物流總額的一個預測。對 2014 年的社會物流總額的預測p13=1.978 1.773 1.584 1.254 0.966 0.899; a13=sim(net,p13) 輸出結(jié)果為：a13 =2.3426對 2015 年的社會物流總額的預測p14=2.343 1.978 1.773 1.584 1.254 0.966;a14=sim(net,p14