论文部分内容阅读
【摘 要】随着我国社会主义经济的快速发展，我国国内的各行各业都得到很大的发展空间，同时也促使了很多新兴产业的形成，物流行业就是其中之一。物流将在未来我国经济社会中得到更大的重视，不同地域的产品或货物之间的运送都是需要利用物流企业来完成的。但是在物流中也存在一定的问题，比如物流的时间预算很难以完全准确等。基于这样的情况，为了完善整个物流系统，提出了采用神经网络技术来弥补物流中的这一缺陷。
【关键词】物流；神经网络
【中图分类号】 U652.1+2【文献标识码】A【文章编号】1672-5158（2013）07-0173-02
1 物流预测及其现有的解决方法
由于我国地域广泛，物流路途较远。因此在我国社会状态下的物流在货物运送过程中出现一些不确定情况是非常常见的。这也就说明对于物流行业的预测其实就是对人们不确定的未来的事件进行估计，同时将产生这些不确定时间的几率尽可能的降到最低。同时我们也可以看出，预测的存在价值就在于未来的变化，如果在物流过程中是不存在不确定事件的，那么物流预测就没必要进行。基于这种情况，可以说对物流进行预测就是对未来事件进行一定程度上的把握。首先预测物流需要了解为什么会产生不确定事件；其次是明确不确定事件发展的方向和趋势；最后是分析不确定事件发生后的现实情况，以此为基础对未来事态的发展进行估计，尽可能的在最短时间内找出解决问题的根本。
物流行业在我国是一个新兴产业，最初的发展尤为重要。因此做好物流预测对整个物流行业的发展前景起到至关重要的作用。物流预测可以将不确定事件发生时的被动情况变为主动，当工作人员已经因为预测出到不确定事件发生，那么他们会制定相应的应急方案，那么在不确定事件发生时，工作人员只需要按方案采取行动即可。物流预测也对减小物流企业损失有很大的帮助，同时也是一股促进物流行业发展的巨大推动力。
在物流行业中的预测，也是需要以现实市场传递过来的消息以及环境、距离等具体因素为基础，在通过相关的神经网络技术进行物流预测。但是对于现实中的环境、距离以及收集到的信息都不可能是一成不变的，同时也可能会受到调研人的主观因素影响，进而使得物流预测的基础都存在一定的偏差，最终导致预测结果出现与现实不符的情况也是在所难免的。
2 人工神经网络BP算法
神经网络技术的发展历史悠久，并不是为了满足物流预测需求才产生的，相关研究人员从上世纪初就开始对这方面技术进行研究和分析。对于神经网络技术的发展经过可以根据其发展状态分为以下几个时期：首先，可以将它定义为开始阶段，在这一段时期内神经网络技术还没有完全成型，只是一些学者的理论研究，并没有多少科学依据；其次可以称为神经网络技术发展的低谷。在这段时间内基本很少有人涉猎这一领域，因此它的发展速度缓慢，没有取得任何实质性的突破。再次可以称为是神经网络技术的复兴阶段。在这一个时间段内，很多学者均进行了相关的研究，并在一定程度上取得了突破。最后的阶段是神经网络技术的一个蓬勃发展的阶段，在这段时间里，神经网络技术得到更多的研究人员的重视，同时也获得了相当大的进步和成就。直至目前，神经网络技术依然持续着它强劲的发展势头，在未来必将获得更大的突破。
基于上述情况，作者希望能够更加直观的介绍神经网络技术在物流预测中的应用。因此，在本文中，首先先对BP网络技术进行介绍。这种技术方法就是将神经网络技术应用到物流行业中去。下面通过分析这种技术的算法来进一步的了解它。
设p为输入：w为权值；b为域值：a为输出。
多层网络中的某一层的输出成为下一层的输入。描述此操作的等式为：
3 神经网络预测模型建立及应用
物流行业中进行预测一般先会制定预测方案，再从中选择出较为合适的方案。应用神经网络技术预测物流状况一般有以下几种常用的方案：第一种方案是以过去一段时间内的信息作为预测基础，再进行物流预测。当然这些历史信息必须是在规定时间范围内，并且近期内具体环境没有发生较大变化。第二种情况是以物流预测的相关数据为基础进行的预测。这种方案的优势在于更多地考虑了相关变量的细节分析。但是由于目前科学技术的发展环境下，尚对相关变量的研究有限，为了获得更为精确的预测结果，通常情况下会选择第一种方案进行物流预测。
在本文中，以湖北省在1990年到1998年这段时间内的公路输出量作为历史信息，采用上面介绍的方法进行神经网络技术在物流预测方面的应用分析，进而预测出未来两年内的湖北省公路货物输出状况。
通常情况下，该种方法是以七个相邻的点作为一组历史信息，在本文中，我们以其中的前六个点作为历史数据来估计第七个的数值。
经实验调整这里学习步长=0.04；权及域值的初始域（-0.05，0.05）。隐层采用s形结构，输出层采用线性结构，得到训练曲线：
4 小结
在我国，物流行业得到快速的发展，这是以先进的神经网络技术为依托的良好效果。在本文中，作者通过对湖北省公路货运状况的举例分析来证明了神经网络技术在物流预测方面的重要性，这也间接表明神经网络技术有利于物流行业的整体运转和发展，促进了我国经济建设速度的提高。当然神经网络技术自身仍存在一定的问题，需要在不断地实际运作中进行完善和改进。相信随着科学技术手段的不断提升，神经网络技术的发展前景将会无限的美好，同时也会在物流预测方面取得更好更快的发展。
参考文献
[1] 陈焰，刘兆峰.神经网络在企业流动资金需求量预测中的应用[J].武汉理工大学学报（社会科学版），2002年03期
[2] 卫志农，谢铁明，孙国强.基于超短期负荷预测和混合量测的线性动态状态估计[J].中国电机工程学报，2010年01期
[3] 师彪，李郁侠，于新花，闫旺.基于改进粒子群-模糊神经网络的短期电力负荷预测[J].系统工程理论与实践，2010年01期
【关键词】物流；神经网络
【中图分类号】 U652.1+2【文献标识码】A【文章编号】1672-5158（2013）07-0173-02
1 物流预测及其现有的解决方法
由于我国地域广泛，物流路途较远。因此在我国社会状态下的物流在货物运送过程中出现一些不确定情况是非常常见的。这也就说明对于物流行业的预测其实就是对人们不确定的未来的事件进行估计，同时将产生这些不确定时间的几率尽可能的降到最低。同时我们也可以看出，预测的存在价值就在于未来的变化，如果在物流过程中是不存在不确定事件的，那么物流预测就没必要进行。基于这种情况，可以说对物流进行预测就是对未来事件进行一定程度上的把握。首先预测物流需要了解为什么会产生不确定事件；其次是明确不确定事件发展的方向和趋势；最后是分析不确定事件发生后的现实情况，以此为基础对未来事态的发展进行估计，尽可能的在最短时间内找出解决问题的根本。
物流行业在我国是一个新兴产业，最初的发展尤为重要。因此做好物流预测对整个物流行业的发展前景起到至关重要的作用。物流预测可以将不确定事件发生时的被动情况变为主动，当工作人员已经因为预测出到不确定事件发生，那么他们会制定相应的应急方案，那么在不确定事件发生时，工作人员只需要按方案采取行动即可。物流预测也对减小物流企业损失有很大的帮助，同时也是一股促进物流行业发展的巨大推动力。
在物流行业中的预测，也是需要以现实市场传递过来的消息以及环境、距离等具体因素为基础，在通过相关的神经网络技术进行物流预测。但是对于现实中的环境、距离以及收集到的信息都不可能是一成不变的，同时也可能会受到调研人的主观因素影响，进而使得物流预测的基础都存在一定的偏差，最终导致预测结果出现与现实不符的情况也是在所难免的。
2 人工神经网络BP算法
神经网络技术的发展历史悠久，并不是为了满足物流预测需求才产生的，相关研究人员从上世纪初就开始对这方面技术进行研究和分析。对于神经网络技术的发展经过可以根据其发展状态分为以下几个时期：首先，可以将它定义为开始阶段，在这一段时期内神经网络技术还没有完全成型，只是一些学者的理论研究，并没有多少科学依据；其次可以称为神经网络技术发展的低谷。在这段时间内基本很少有人涉猎这一领域，因此它的发展速度缓慢，没有取得任何实质性的突破。再次可以称为是神经网络技术的复兴阶段。在这一个时间段内，很多学者均进行了相关的研究，并在一定程度上取得了突破。最后的阶段是神经网络技术的一个蓬勃发展的阶段，在这段时间里，神经网络技术得到更多的研究人员的重视，同时也获得了相当大的进步和成就。直至目前，神经网络技术依然持续着它强劲的发展势头，在未来必将获得更大的突破。
基于上述情况，作者希望能够更加直观的介绍神经网络技术在物流预测中的应用。因此，在本文中，首先先对BP网络技术进行介绍。这种技术方法就是将神经网络技术应用到物流行业中去。下面通过分析这种技术的算法来进一步的了解它。
设p为输入：w为权值；b为域值：a为输出。
多层网络中的某一层的输出成为下一层的输入。描述此操作的等式为：
3 神经网络预测模型建立及应用
物流行业中进行预测一般先会制定预测方案，再从中选择出较为合适的方案。应用神经网络技术预测物流状况一般有以下几种常用的方案：第一种方案是以过去一段时间内的信息作为预测基础，再进行物流预测。当然这些历史信息必须是在规定时间范围内，并且近期内具体环境没有发生较大变化。第二种情况是以物流预测的相关数据为基础进行的预测。这种方案的优势在于更多地考虑了相关变量的细节分析。但是由于目前科学技术的发展环境下，尚对相关变量的研究有限，为了获得更为精确的预测结果，通常情况下会选择第一种方案进行物流预测。
在本文中，以湖北省在1990年到1998年这段时间内的公路输出量作为历史信息，采用上面介绍的方法进行神经网络技术在物流预测方面的应用分析，进而预测出未来两年内的湖北省公路货物输出状况。
通常情况下，该种方法是以七个相邻的点作为一组历史信息，在本文中，我们以其中的前六个点作为历史数据来估计第七个的数值。
经实验调整这里学习步长=0.04；权及域值的初始域（-0.05，0.05）。隐层采用s形结构，输出层采用线性结构，得到训练曲线：
4 小结
在我国，物流行业得到快速的发展，这是以先进的神经网络技术为依托的良好效果。在本文中，作者通过对湖北省公路货运状况的举例分析来证明了神经网络技术在物流预测方面的重要性，这也间接表明神经网络技术有利于物流行业的整体运转和发展，促进了我国经济建设速度的提高。当然神经网络技术自身仍存在一定的问题，需要在不断地实际运作中进行完善和改进。相信随着科学技术手段的不断提升，神经网络技术的发展前景将会无限的美好，同时也会在物流预测方面取得更好更快的发展。
参考文献
[1] 陈焰，刘兆峰.神经网络在企业流动资金需求量预测中的应用[J].武汉理工大学学报（社会科学版），2002年03期
[2] 卫志农，谢铁明，孙国强.基于超短期负荷预测和混合量测的线性动态状态估计[J].中国电机工程学报，2010年01期
[3] 师彪，李郁侠，于新花，闫旺.基于改进粒子群-模糊神经网络的短期电力负荷预测[J].系统工程理论与实践，2010年01期