基于神经网络的外贸集装箱生成量预测

1背景介绍

集装箱生成量是指一个地区对集装箱运输的

总需求量（重箱），是这个地区对外贸易发展的综合反映。我国加入WTO 后，对外贸易的发展进入了快速增长期，伴随而来的是外贸集装箱生成量的快速增长，外贸集装箱生成量预测是集装箱港口吞吐量预测、集装箱系统研究、集装箱港口规划布局的基本前提条件。

外贸集装箱生成量的快速增长会对当地的集装箱运输系统带来巨大的压力，因此，应该对集装箱运输系统（集装箱港口设施、港口集疏运通道、港口装卸机械等）进行前期的规划。外贸集装箱生成量的预测数据是对集装箱运输系统规划的重要依据之一。

2已有研究

外贸集装箱生成量的预测方法有很多，如增

长曲线预测法，时间序列分析预测法(主要是滑动平均和指数平滑法)，随机时间序列预测法，马尔可夫预测法，系统动力学模型，仿真预测法及灰色预测等等。国内主要采用的方法是腹地生成系数法，该方法通过预测外贸进出口金额、外贸适箱货金额比率、外贸适箱货生成系数、外贸适箱货集装箱化率、重箱平均载货重量、重箱率等数据计算得出集装箱生成量。但外贸集装箱生成量预测不确定性的政策和社会因素也较多，这些因素相互作用，往往构成一个非线性系统，导致基于这些常规方法的预测结果与实际的偏差较大、精度不高，难以得到满意的结果。

基于神经网络的外贸集装箱生成量预测

胡旭铭1，刘冲2，刘洪义2

（1.浙江省港航管理局，浙江杭州310011；2.浙江省交通规划设计研究院，浙江杭州310006）

摘要：分析了影响外贸集装箱生成量的主要因素，利用BP 神经网络技术，构建外贸集装箱生成量的预测模型，并应用浙江省数据为实例进行验证。准确预测地区的外贸集装箱生成量，引导该区域港口等集装箱运输设施合理布局。

关键词：外贸集装箱；生成量预测；神经网络技术中图分类号：U 169.1

文献标志码：A

文章编号：1002-4972（2009）09-0023-03

Prediction of container production based on BP neural network

HU Xu-ming 1,LIU Chong 2,LIU Hong-yi 2

(1.Ports and Shipping Administration Bureau of Zhejiang Province,Hangzhou 310006,China;2.Zhejiang Provincial Planning,Design &Research Institute of Communications,Hangzhou 310006,China)

Abstract:The main factors influencing the container production are analyzed.By means of BP neural

network technology,a mathematical model for predicting the container production is developed and validated using the field data from Zhejiang province.The model can be used to forecast accurately the container production in local areas and guide the reasonable layout of the containerized traffic facilities.

Key words:foreign trade containers;prediction of production;neural network technology

收稿日期：2009-08-21

作者简介：胡旭铭（1965—），男，教授级高级工程师，主要从事港口、航道建设管理工作。

2009年9月

第9期总第432期Sep.2009

No.9Serial No.432

水运工程

Port &Waterway

Engineering

2009年水运工程

在目前的神经网络应用中，BP（Back-Propagation）算法由于其强大的非线性映射能力，在许多实际应用中已经起到了很重要的作用[1-2]。BP 神经网络是介于灰箱和黑箱之间的系统，对非典型数据有着良好的适应性，且在处理缺失值和非线性问题时有着明显的优越性。因此，在预测上更具有普遍适应性[3]。

3影响因素分析

影响外贸集装箱生成量的因素很多，其相互间的关系十分复杂，而预测模型不可能同时考虑到所有的因素，因此确定其主要的影响因素集是模型建立的一个重要环节。

3.1地区生产总值

一个地区生产总值的增长速度决定了国民经济各行业、各部门的发展速度，无论是对外贸易、交通运输以及集装箱运输都会对地区生产总值的增长有一个弹性需求，可以说地区生产总值反映该地区经济发展水平。

3.2进出口贸易总额

国际集装箱作为外贸运输的载体，与外贸进出口总额规模和发展速度密切相关。一般而言，外贸进出口总额规模越大、发展越快，国际集装箱的生成量的增长也就越快，外贸进出口总额的发展速度就成为国际集装箱生成量发展的重要基础。

3.3外贸商品结构

主要采用外贸商品适箱率来反映一个地区的外贸商品结构，外贸商品适箱率指外贸商品中适箱货源的价值占外贸总额的比重。适箱货种类繁多，涉及绝大多数工业部门，其范围随着经济的发展和集装箱运输的拓展而不断扩大，就目前而言，难以装箱的主要货种为大宗散货、液体货，以及一些笨重且体积庞大的车、船等件杂货。随着与工业化水平提高相对应的外贸商品结构的演变，适箱货的比重必然是逐步提高。

3.4集装箱运输系统的发展水平

集装箱运输系统本身的发展水平在相当程度上影响着该地区的集装箱生成量，这里我们用集装箱货物的装箱率，即实际装箱货物与适箱货物重量的比值，也叫集装箱化率来代表一个地区集装箱运输系统的发展水平。随着运输系统的发展，集装箱化率必然逐步提高。

4外贸集装箱生成量预测模型

BP网络是一种单项传播的多层前馈网络。网络除输入输出节点外，还有一层或多层的隐藏节点，同层节点中没有任何耦合。BP算法由两部分组成：信息的正向传递和误差的反向传播。在正向传播过程中，输入信息从输入层经隐含层逐层计算传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层没有得到期望的输出，则计算输出层的误差变化值，然后转向反向传播，通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值，直至达到期望的目标。

针对以上的分析，我们把外贸集装箱生成量的主要因素确定为：地区生产总值、进出口贸易总额、外贸商品适箱率、集装箱货物装箱率4个因素，来建立神经网络模型，详见图1。

从图中可以看出，输入层节点数为4，输出层节点数为1。为使网络具有较高的映射能力，隐含层采用连续可微的S型激活函数，输出层采用线性函数。隐含层神经元个数的确定没有明确的规定和理论依据，一般采用试算法得出。

5实算案例

根据上述方法，对浙江省外贸集装箱生成量进行预测。考虑到过早的数据在统计方法和统计范围上有所差异，其可用性差，我们只收集了1995—2008年间的各项数据，具体数值如表1所示。

5.1数据的预处理

为了充分发挥BP

神经网络的预测功能，提高图1外贸集装箱生成量神经网络预测模型

24··