基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列法在社會(huì)物流總額預(yù)測(cè)中的應(yīng)用

1、研究生課程論文論文題目基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列法在社會(huì)物流總額預(yù)測(cè)中的應(yīng)用姓 名何 鵬年級(jí)專業(yè)2013 級(jí)企業(yè)管理課程名稱預(yù)測(cè)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(shí)間2013-2014 學(xué)年第 2 學(xué)期目錄目錄1 社會(huì)物流總額概述社會(huì)物流總額概述.11.11.1 社會(huì)物流總額的定義社會(huì)物流總額的定義.11.21.2 社會(huì)物流總額的分類社會(huì)物流總額的分類.11.31.3 社會(huì)物流總額的算法社會(huì)物流總額的算法.21.41.4 研究社會(huì)物流總額的現(xiàn)實(shí)意義研究社會(huì)物流總額的現(xiàn)實(shí)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(yīng)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(yīng)函數(shù)常見神經(jīng)元響應(yīng)函數(shù).52.72.7 神經(jīng)網(wǎng)絡(luò)基本學(xué)習(xí)算法神經(jīng)網(wǎng)絡(luò)基本學(xué)習(xí)算法.5（1）有教師學(xué)習(xí)（監(jiān)督學(xué)習(xí)）.5（2）無教師學(xué)習(xí)（無監(jiān)督學(xué)習(xí)）.6（3）強(qiáng)化學(xué)習(xí)（再勵(lì)學(xué)習(xí)）.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(dá)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(xùn)練模式的確定.7（5）神經(jīng)網(wǎng)絡(luò)的測(cè)試.73 社會(huì)物流總額的預(yù)測(cè)實(shí)例社會(huì)物流總額的預(yù)測(cè)實(shí)例.73.13.1 數(shù)據(jù)的預(yù)處理數(shù)據(jù)的預(yù)處理.73.23.2 MATLABMATLAB 實(shí)現(xiàn)程序?qū)崿F(xiàn)程序 .84 4 結(jié)論結(jié)論.11參考文獻(xiàn)：參考文獻(xiàn)：.111基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列法在社會(huì)物流總額預(yù)測(cè)中的應(yīng)用基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列法在社會(huì)物流總額預(yù)測(cè)中的應(yīng)用何 鵬（重慶工商大學(xué) 商務(wù)策劃學(xué)院，重慶 400067）摘摘 要：要：社會(huì)物流總額是判斷一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展是否繁榮穩(wěn)定的一個(gè)

4、總要指標(biāo)。目前，大多數(shù)的學(xué)者都是對(duì)社會(huì)物流總額的歷史數(shù)據(jù)的歸納分析，很少有文章對(duì)我國(guó)社會(huì)物流的發(fā)展趨勢(shì)有過深入的研究。文中將人工神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)法應(yīng)用于社會(huì)物流總額的預(yù)測(cè)，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(yù)測(cè)模型，對(duì) 2014 年和 2015 年我國(guó)社會(huì)物流總額的一個(gè)預(yù)測(cè)。實(shí)踐證明，該模型編程簡(jiǎn)單，還能克服常規(guī)語言建立預(yù)測(cè)模型存在的模型復(fù)雜、訓(xùn)練時(shí)間長(zhǎng)等缺點(diǎn)。關(guān)鍵詞：關(guān)鍵詞：社會(huì)物流總額 人工神經(jīng)網(wǎng)絡(luò) 時(shí)間序列 預(yù)測(cè) 中圖分類號(hào)：中圖分類號(hào)：C93-03 文獻(xiàn)標(biāo)識(shí)碼：文獻(xiàn)標(biāo)識(shí)碼：A社會(huì)物流總額的預(yù)測(cè)，就是利用歷史的資料，運(yùn)用適當(dāng)?shù)姆椒ê图记桑瑢?duì)未來的社會(huì)物流總額狀況進(jìn)

5、行科學(xué)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(yù)測(cè)方法，人工神經(jīng)網(wǎng)絡(luò)是基于對(duì)人腦組織結(jié)構(gòu)、活動(dòng)機(jī)制的初步認(rèn)識(shí)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(dòng)機(jī)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(shí)間序列在時(shí)延狀態(tài)空間中的相關(guān)性，從而達(dá)到預(yù)測(cè)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(xué)上保證了神經(jīng)網(wǎng)絡(luò)用于時(shí)間序列預(yù)測(cè)的可行性。本文運(yùn)用基于神經(jīng)網(wǎng)絡(luò)理論的時(shí)間序列法， 對(duì)中國(guó)的社會(huì)物流總額進(jìn)行預(yù)測(cè)， 并對(duì)預(yù)測(cè)結(jié)果做

6、了相應(yīng)的分析。1 社會(huì)物流總額概述社會(huì)物流總額概述1.11.1 社會(huì)物流總額的定義社會(huì)物流總額的定義社會(huì)物流總額指第一次進(jìn)入國(guó)內(nèi)需求領(lǐng)域，產(chǎn)生從供應(yīng)地向接受地實(shí)體流動(dòng)的物品的價(jià)值總額，簡(jiǎn)稱社會(huì)物流總額。包括六個(gè)方面的內(nèi)容：進(jìn)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(jìn)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(huì)物流總額的分類社會(huì)物流總額的分類我國(guó)社會(huì)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(bào)告期內(nèi)由農(nóng)業(yè)生產(chǎn)部門提供，進(jìn)入需求領(lǐng)域，產(chǎn)生從

7、供應(yīng)地向接受地實(shí)體流動(dòng)的全部農(nóng)林牧漁業(yè)產(chǎn)品價(jià)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(huì)物流服務(wù)，由農(nóng)業(yè)生產(chǎn)者直接通過集市貿(mào)易售予居民消費(fèi)的部分。計(jì)算公式是：農(nóng)產(chǎn)品物流總額=報(bào)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(fèi)的部分。計(jì)量單位：億元。工業(yè)品物流總額（total value of industrial logistics products）：報(bào)告期內(nèi)進(jìn)入需求領(lǐng)域，產(chǎn)生從供應(yīng)地向接受地實(shí)體流動(dòng)的全部工業(yè)產(chǎn)品價(jià)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(yùn)輸、裝卸、搬運(yùn)等物流服務(wù)形式完成的電力、蒸汽、

8、熱水的生產(chǎn)與供應(yīng)業(yè)銷售產(chǎn)值、煤氣生產(chǎn)和供應(yīng)業(yè)銷售產(chǎn)值、自來水的生產(chǎn)和供應(yīng)業(yè)銷售產(chǎn)值。計(jì)算公式是：工業(yè)品物流總額=報(bào)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(yīng)業(yè)銷售產(chǎn)值、煤氣生產(chǎn)和供應(yīng)業(yè)銷售產(chǎn)值、自來水的生產(chǎn)和供應(yīng)業(yè)銷售產(chǎn)值之和。計(jì)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(bào)告期內(nèi)以人民幣表示的通過我國(guó)海關(guān)進(jìn)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(bào)告期內(nèi)經(jīng)社會(huì)物流服務(wù)、從本行政區(qū)域以外的地區(qū)送達(dá)本地區(qū)的物品價(jià)值總額。計(jì)量單位：億元。再生資源物流總額

9、（total value of recycled logistics resources）：報(bào)告期內(nèi)進(jìn)入需求領(lǐng)域，經(jīng)再生產(chǎn)加工后可重復(fù)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(jì)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(jì)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(bào)告期內(nèi)進(jìn)入需求領(lǐng)域，經(jīng)社會(huì)物流服務(wù)，從提供地送達(dá)接收地的單位與居民的物品價(jià)值總額。包括鐵路、航空等運(yùn)輸中的計(jì)費(fèi)行李、郵政與快遞業(yè)務(wù)中快件、包裹、信函、報(bào)刊雜志等寄遞物品、形成社會(huì)物流服務(wù)的社會(huì)各

10、界的各種捐贈(zèng)物、單位與居民搬家遷居物品等。計(jì)量單位：億元。1.31.3 社會(huì)物流總額的算法社會(huì)物流總額的算法我國(guó)社會(huì)物流總額主要是幾個(gè)主要指標(biāo)的綜合其計(jì)算公式如下：社會(huì)物流總值=(工業(yè)品物流總值+農(nóng)產(chǎn)品物流總值+進(jìn)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(huì)物流總額的現(xiàn)實(shí)意義研究社會(huì)物流總額的現(xiàn)實(shí)意義3社會(huì)物流總額是判斷一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展是否繁榮穩(wěn)定的一個(gè)總要指標(biāo)，如果一個(gè)國(guó)家的社會(huì)物流總額一直呈現(xiàn)出不斷的上升趨勢(shì)，說明這個(gè)國(guó)家的經(jīng)濟(jì)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(guó)的經(jīng)濟(jì)發(fā)展也是比較穩(wěn)定的。因而，我們可以通過對(duì)我國(guó)社會(huì)物流總額的發(fā)展做一個(gè)預(yù)測(cè)，

11、讓人們更加了解我國(guó)經(jīng)濟(jì)發(fā)展的基本狀況。從而，更好的提出相應(yīng)的發(fā)展措施，刺激我國(guó)經(jīng)濟(jì)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(duì)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(yīng)性的簡(jiǎn)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(duì)真實(shí)世界物體所作出的交互反應(yīng)。 ”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(jī)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(dòng)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(duì)人腦部分的真實(shí)再現(xiàn)，可以說它是某種抽象、簡(jiǎn)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(gè)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(xì)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(xì)胞，其形狀很像一棵枯樹的枝干。主要由細(xì)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(dāng)神經(jīng)元細(xì)胞體通過軸突傳到突觸前膜的脈沖幅度達(dá)到一定強(qiáng)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(xué)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(fù)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(yīng)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(chǔ)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(shí)動(dòng)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(yīng)函數(shù)常見神經(jīng)元響應(yīng)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(xué)習(xí)算法神經(jīng)網(wǎng)絡(luò)基本學(xué)習(xí)算法（1）有教師學(xué)習(xí)（監(jiān)督學(xué)習(xí)）6神經(jīng)網(wǎng)絡(luò)（學(xué)習(xí)系統(tǒng)）誤差分析誤差信號(hào)e t期望輸出P輸入a 期望輸出圖圖

15、7 有教師學(xué)習(xí)的算法有教師學(xué)習(xí)的算法（2）無教師學(xué)習(xí)（無監(jiān)督學(xué)習(xí)）神經(jīng)網(wǎng)絡(luò)（學(xué)習(xí)系統(tǒng)）P輸入a 期望輸出圖圖 8 無教師學(xué)習(xí)的算法無教師學(xué)習(xí)的算法（3）強(qiáng)化學(xué)習(xí)（再勵(lì)學(xué)習(xí)）神經(jīng)網(wǎng)絡(luò)（學(xué)習(xí)系統(tǒng)）外部環(huán)境評(píng)價(jià)信息P輸入a 期望輸出圖圖 9 強(qiáng)化學(xué)習(xí)的算法強(qiáng)化學(xué)習(xí)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(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法解決實(shí)際問題時(shí)，在面對(duì)一個(gè)具體的問題，首先應(yīng)分析求解問題的性質(zhì)，然后依據(jù)問題的特點(diǎn)，建立人工神經(jīng)網(wǎng)絡(luò)模型，最后通過對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練7和仿真等，檢驗(yàn)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(dá)方式將研究問題極其相應(yīng)

16、的領(lǐng)域的知識(shí)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(shí)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(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行變形、擴(kuò)充等，同時(shí)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(jìn)一步確定隱含層神經(jīng)元的個(gè)數(shù)。對(duì)于反饋神經(jīng)網(wǎng)絡(luò)，還需要進(jìn)一步設(shè)置反饋神經(jīng)元的有關(guān)屬性。（4）訓(xùn)練模式的確定此步驟包括選擇合理的訓(xùn)練算法，確定合適的訓(xùn)練步驟，指定適當(dāng)?shù)挠?xùn)練目標(biāo)誤差，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(cè)試選擇合理的測(cè)試樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，或者將神經(jīng)網(wǎng)絡(luò)應(yīng)用于實(shí)際問題，檢驗(yàn)神經(jīng)網(wǎng)路的性能。需要注意的是，神經(jīng)網(wǎng)絡(luò)測(cè)試過程需要遵循交叉測(cè)試的原則，以保證測(cè)試的有效性、準(zhǔn)確性和全面性。3 社會(huì)物流總額的預(yù)測(cè)實(shí)例社會(huì)物流總額的預(yù)測(cè)實(shí)例如下表 1 的數(shù)據(jù)來源與中國(guó)社會(huì)物流情況運(yùn)行通報(bào)，所得數(shù)據(jù)真實(shí)可靠，具有一定的研究意義和價(jià)值。顯然數(shù)據(jù)為較長(zhǎng)的時(shí)間序列，因此網(wǎng)絡(luò)輸入節(jié)點(diǎn)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(xùn)練數(shù)據(jù)，另一部分為檢驗(yàn)數(shù)據(jù)，然后分別由小到大改變輸入節(jié)點(diǎn)數(shù)來訓(xùn)練并檢驗(yàn)其誤差大小。當(dāng)輸入節(jié)點(diǎn)數(shù)增加，誤差不再有明顯減小時(shí)，則此時(shí)輸入節(jié)點(diǎn)數(shù)變化的臨界值

18、即為應(yīng)采用的數(shù)值。 表表 1 1 2003-20132003-2013 年中國(guó)社會(huì)物流總額年中國(guó)社會(huì)物流總額 單位：萬億單位：萬億年份200220032004200520062007社會(huì)物流總額23.229.538.448.159.675.23年份200820092010201120122013社會(huì)物流總額89.996.65125.4158.4177.3197.83.13.1 數(shù)據(jù)的預(yù)處理數(shù)據(jù)的預(yù)處理由于歷年社會(huì)物流總額是一維時(shí)間序列，滿足神經(jīng)網(wǎng)絡(luò)運(yùn)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(xué)習(xí)，涉及數(shù)量級(jí)很大的數(shù)據(jù)時(shí)，其權(quán)8值將很小，與某些權(quán)值相比，很容易被計(jì)算機(jī)誤

19、判為零。而實(shí)際上這種誤判僅僅源于數(shù)量級(jí)的差別太大。為了使擬合的模型數(shù)據(jù)更加接近于真實(shí)的值，我們將統(tǒng)計(jì)出的以往各年數(shù)據(jù)按某一個(gè)線性條件進(jìn)行適當(dāng)?shù)奶幚怼Ｆ涮幚淼墓綖椋簆（t）=p/100。通過計(jì)算后得到如下表格的新數(shù)據(jù)： 表表 2 2 預(yù)處理后的社會(huì)物流總額預(yù)處理后的社會(huì)物流總額 單位：萬億單位：萬億年份200220032004200520062007社會(huì)物流總額0.2320.2950.3840.4810.5960.752年份200820092010201120122013社會(huì)物流總額0.8990.96712541584177.319783.23.2 MATLABMATLAB 實(shí)現(xiàn)程序?qū)崿F(xiàn)程序P

20、 為輸入樣本矢量集，T 為對(duì)應(yīng)的目標(biāo)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(duì)應(yīng) 2002, 2003, 2004, 2013 年)輸出樣本觀測(cè)值(對(duì)應(yīng)預(yù)處理后相應(yīng)年份的社會(huì)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(gè)散點(diǎn)分布圖：圖圖 10 初始數(shù)據(jù)的時(shí)間序列散點(diǎn)分布圖初始數(shù)據(jù)的時(shí)間序列散點(diǎn)分布圖對(duì)輸入向量 p 的一個(gè)處理，根據(jù)訓(xùn)練結(jié)果在利用六項(xiàng)的向量，可以將模擬的結(jié)果與真實(shí)的數(shù)據(jù)很想近，因

21、而對(duì)輸入向量轉(zhuǎn)換為以前面六個(gè)數(shù)據(jù)預(yù)測(cè)當(dāng)前數(shù)據(jù)。Q=length(T); %求 T 的一個(gè)長(zhǎng)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(xùn)練a=sim(net,P); %網(wǎng)絡(luò)學(xué)習(xí)輸出,真實(shí)

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(shí)輸出與模擬輸出時(shí)間序列比較圖真實(shí)輸出與模擬輸出時(shí)間序列比較圖將訓(xùn)練輸出的結(jié)果與真實(shí)的數(shù)據(jù)進(jìn)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(duì)誤差圖相對(duì)誤差圖算出誤差為：total_error = 7.9592e-06 誤差極其的小。說明訓(xùn)練模擬的結(jié)果很有代表性可以用于對(duì) 2014 和 2015 年的社會(huì)物流總額的一個(gè)預(yù)測(cè)。對(duì) 2014 年的社會(huì)物流總額的預(yù)測(cè)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(duì) 2015 年的社會(huì)物流總額的預(yù)測(cè)p14=2.343 1.978 1.773 1.584 1.254 0.966;a14=sim(net,p14