基于先验神经网络的港口物流量对海洋经济增长预测——以浙江省为例

0引言港口作为全球综合运输网络的重要节点，在沿海地区经济活动中发挥着越来越重要的作用。

港口能直接促进区域发展，国内外许多大城市的演化变迁中，它的角色无可替代（Masahisa Fujita,1996）[1]。

G.R.Yochum（1989）以弗吉尼亚港为研究对象，指出港口活动给港口必需产业及相关产业带来效益[2]。

港口供应链的存在，带动相关产业发展和集聚，同时，港口的发展对腹地经济增长存在着明显的正向拉动效应[3-4]。

港口经济正是通过前、后向关联效应，调整地区产业结构，间接地促进沿海地区海洋经济的可持续发展。

海洋经济预测有利于认识海洋经济发展规律、确定海洋经济发展目标和实现海洋开发战略目标[5]，而港口物流量预测则是进行港口规划、管理及工程可行性研究的基础。

近些年来，海洋经济和港口物流量预测方法呈现多样化，有成长曲线法、趋势外推法、灰色系统法、组合预测法等。

中国海洋经济发展趋势与展望课题组（2005）运用经济增长理论、经济计量理论、灰色系统理论和神经网络理论，构建了中国主要海洋产业的发展趋势与预测模型[6]。

童命荣（2006）建立了集装箱吞吐量三次指数平滑预测模型、灰色系统预测模型及BP神经网络预测模型等单项预测模型，以及最优组合预测模型[7]；周洪军等（2007）运用趋势外推法分别建立了线性模型、抛物线模型、生长曲线模型3种预测外延模型，并认为线性模型和抛物线模型适合预测海洋经济发展[8]；张云康（2008）建立了基于时间序列的三次指数平滑模型、灰色系统预测模型和组合预测模型，对宁波港集装箱吞吐量进行了预测和分析[9]。

然而，学者们预测海洋经济和港口物流量时多以时间序列为主，较少使用其他先验知识对海洋经济发展水平进行预测，且在建模的过程中，过分强调数据拟合度，却没有对预测性能进行验证，使海洋经济预测效度受到质疑。

在各种经济预测方法中，神经网络具有较强的非线性拟合性能，适用非线性对象，如经济系统的预测，然而其需要大样本，外推能力不足，从而限制了其预测性能。

目前将先验知识引入神经网络是一个非常有效的方法，加入先验知识相当于减小了神经网络函数类的VC维数，或者说增加了神经网络的训练样本，从而使模型更靠近“目标规则”所在的区域[10]。

因此，可以说，在神经网络中使用任何一种先验知识都能改进网络的泛化能力。

将先验知识引入神经网络有多种类型，其中有基于提示，即对象隐含的信息对网络进行学习[11-14]；根据先验信息，从已有的样本数据中派生出带有可信度权值的虚拟样本，从而增加网络训练样本集[15]。

因此，本文利用经济系统已有的先验知识，在对浙江省港口物流量与沿海地区海洋经济关系的定性分析的基础上，建立了一种新的基于多先验知识的神经网络预测模型，对浙江省港口物流量对沿海地区经济增长贡献关系的建模与预测，得到信度较高的预测结果，体现了浙江省海洋经济预测值与海洋经济规划目标值之间的差距与统一。

1基于先验知识的神经网络预测模型1.1基于先验知识的神经网络预测模型所谓先验知识（Priori Knowledge,Domain Knowledge,Background基于先验神经网络的港口物流量对海洋经济增长预测———以浙江省为例Analysis on the Relationship between the Amount of Port Logistics to Coastal Marine Economic Growth andGorecasting Based on Priori Neural Network:Case of Zhejiang Province李植斌LI Zhi-bin；王玲玲WANG Ling-ling（浙江理工大学经济管理学院，杭州310018）（School of Economics and Management of Zhejiang Sci-tech University，Hangzhou310018，China）摘要：提出了一种基于先验知识神经网络预测模型，分别采用时间序列和多变量建模方法对反映浙江省海洋经济发展水平的各指标进行建模预测，与其他建模方法（如GM（1,1）时间序列模型）相比，有更好的综合性能。

最后采用PKNN时间序列模型对2011~ 2020年浙江省沿海地区海洋经济发展水平进行预测，结果表明预测得到的2015年浙江海洋经济产值接近浙江省规划值。

Abstract:On the basis of qualitative analysis on the relationship between the amount of port logistics to coastal marine economic growth in Zhejiang Province,the paper points out a priori knowledge-based new neural network model.Multivariate and time series modeling method are respectively applied to predict indexes reflecting the marine economy development in Zhejiang pared to other modeling methods(such as GM(1,1)time series model),it has a better overall performance.Finally,we use PKNN time series model to predict the level of economic development in Zhejiang coastal ocean from2011to2020,and the results show that marine economy prediction in2015near the Zhejiang Province planning value,that provide important theory and practice cornerstone to the construction of marine economy in Zhejiang province.关键词：先验知识神经网络；港口物流量；海洋经济发展；预测Key words:neural networks based on priori knowledge；the amount of port logistics；marine economy；forecasts中图分类号：F7文献标识码：A文章编号：1006-4311（2012）35-0144-04———————————————————————作者简介：李植斌（1957-），男，湖南桂东人，浙江理工大学经济管理学院，教授，博士，研究方向为企业战略管理。

Information,Hints)，指在对目标系统建模或分析前已知的任何相关信息，包括知识、经验、常识和特定要求等，如产业成长周期、经济影响因素等。

如果将模型的机理看作是一个信息的集合，那么先验知识就是这个集合中的一个子集。

这些先验知识可以用惩罚函数或对目标函数施加约束的形式嵌入到神经网络中。

如图1。

1.2PKNN 网络结构描述及先验知识先验知识神经网络是具有单隐层的三层前馈网络，如图2，与MLP 网类似，输入层由信号源节点组成。

第二层为隐含层，单元数视所描述问题的需要而定。

第三层为输出层，它对输入模式的作用做出响应Ψk （x）=x 。

不同的是，输入输出建立了直接的连接关系，更能反映过程的输入输出关系，同时为了反应实际变化特性，隐层采用非线性和线性隐节点两部分组成。

其中非线性隐节点采用非线性Sigmoid 激活函数Φj1（x ）=11+e-x ，j1=1，2，…，m线性隐节点采用线性激活函数Φj2（x ）=x ，j2=m+1，…，j 则隐含层输出：h j1=Φj1（iΣx i w j1i +b j1）h j2=iΣx i w j2i +b j2所以网络输出为：y k =j1ΣΦj1（iΣx i w j1i +b j1）w kj1+j2Σ（iΣx i w j2i +b j2）w kj2+iΣw ki x i +bk（1）在经济系统建模和预测中，将先验知识引入到神经网络中大概有下面几种，包括输出变量与输入变量之间的增益，增益的单调性（递增或递减），特性曲线的单调性或凹凸性等。

1.2.1增益在制定经济发展规划中，通常有个年增长率，比如每年需要实现产业经济增加值多少。

为保证对象部分和全部增益的近似有界，在神经网络的建模过程中，可以通过对增益引入约束形式。

由式（1）网络输出对输入求偏导，可得坠y k 坠x i =j1Σw j1i h j1（1-h j1）w kj1+j2Σw j2i w kj2+w ki（2）由于0燮h j1（1-h j1）燮14，当w j1i w kj1＞0时坠y k i 燮燮max=14j1Σwj1iw kj1+j2Σw j2i w kj2+w ki坠y k 坠x i 燮燮min=j2Σw j2i w kj2+w ki燮燮燮燮燮燮燮燮燮燮燮燮燮燮燮当w j1i w kj1＜0时坠y k 坠x i 燮燮max=j2Σw j2i w kj2+w ki坠y k i燮燮min=14j1Σwj1iw kj1+j2Σw j2i w kj2+w ki燮燮燮燮燮燮燮燮燮燮燮燮燮燮燮给定增益约束坠y ki 燮燮min＞mi 坠y k i燮燮max＜Mi其中mi ，Mi 为增益的最小和最大值。

另外，当w j1i w kj1＞0时可保证增益的单调衰减，当w j1i w kj1＜0时可保证增益的平滑增加。

1.2.2经济过程的单调性单调性是经济过程中一种普遍的现象，属于物性本质上的先验知识，可以从常识、或特性曲线加以判断。

对于一个经济过程，如果是连续且可导，那么当f ′（x ）＞0，表示该过程是单调增加的，反之则是单调递减的。

这里的单调性用式（2）的增益表示为，当单调递增，说明坠y k 坠x i ＞0，当单调递减则，坠yk 坠x i ＜0。

一般说来，在国内外环境相对稳定的情况下，该经济过程总体趋势为单调递增。

1.2.3经济过程特性曲线凹凸性这种先验知识无法从常识或经验中得到，但从经济过程的特性曲线中，一般可以看出曲线的凹凸性。

这里对式（2）求二次导，可得坠2y k坠x 2i=w 2j1i h j1（1-h j1）（1-2h j1）w kj1（3）当坠2y k 坠x i＞0时，过程特性曲线显凹性，反之当坠2y k 坠x i＜0时，为凸性比如，在发展阶段，货物吞吐量与海洋经济生产总值之间的关系曲线呈现凹性。