基于BP神经网络的港口吞吐量预测模型
摘 要：港口吞吐量的预测是港口决策的重要依据，然而影响港口吞吐量的要素较多，且各要素之间存在着复杂的非线性关系，使常用的预测方法难以取得好的预测效果。文章试图运用BP人工神经网络的方法，采集1999～2012年的实际数据样本，以钦州港为例进行实证分析，构建三层BP神经网络，预测2013年钦州港港口吞吐量。
关键词：系统工程；港口吞吐量；BP神经网络；预测模型；钦州港
中图分类号：U691 文献标识码：A
0 引 言
广西北部湾经济区是我国西部大开发地区唯一的沿海区域，也是我国与东盟国家既有海上通道、又有陆地接壤的区域。钦州港位于北部湾湾顶的钦州湾内，是我国西南地区主要出海口。随着《广西北部湾经济区发展规划》的实施，钦州港将建设面向东盟的区域性国际航运中心，钦州港将发挥越来越重要的作用。港口吞吐量的预测是港口决策的重要依据，钦州港口吞吐量的预测将为区域性国际航运中心建设、以及国家级经济技术开发区建设提供重要的决策依据。
港口吞吐量预测的常用方法主要有时间序列法、因果分析法、组合预测法。这三类方法都各有优势，但也存在自身的缺陷，使得预测的准确性和精度难以保证。时间序列法，由于其只考虑了港口吞吐量自身历史的变化，影响因素单一，使得预测结果会出现很大的误差；因果分析法在预测的过程中未做到细致的研究港口吞吐量的变化规律和影响因素，也将因为变量选取的不当，难以取得较好的预测效果；组合预测法在进行单项预测模型选择时，存在着一定的主观性和随机性，使得该方法在实际应用时遇到了一定的障碍[1]。影响港口吞吐量的因素较多，且各因素之间存在复杂的非线性关系，BP神经网络能够以任意精度逼近任何非线性函数，并且输入和输出变量的数目是任意的，因此，采用BP神经网络的方法，克服了常用方法中存在的缺陷，能够对诸多影响因素进行动态研究，建立港口吞吐量的预测模型。
1 BP神经网络的基本原理
2 基于BP神经网络的钦州港口吞吐量预测模型构建
2.1 钦州港口吞吐量的影响因素确定
据2012年底进行的实地调研结果显示，钦州港口的后方腹地主要为广西区、云南省、贵州省、四川省、重庆市和湖南省。其中广西区内货运量占90%左右，主要货种为金属矿石、粮食、原油、成品油、煤炭等；云南省占4%，主要货种为金属矿石、非金属矿石、化肥、建材、成品油等；贵州、四川和重庆占4%，主要货种为金属矿石、化肥、成品油等；湖南占2%，主要货种为铁矿、锰矿等。首先，从港口货物来源分析，影响钦州港口货物吞吐量的地区主要是广西区，因此，广西区是钦州港重要的经济腹地，其地区经济总量直接影响钦州港口吞吐量。其次，从货物的种类分析，广西区内的第一产业产值、第二产业产值直接影响港口吞吐量；第三产业提供交通运输服务，间接影响钦州港口吞吐量。最后，其他运输方式的发展也直接影响港口吞吐量，因此，广西区外贸进出口总额、铁路货运量、公路货运量、水路货运量等要素直接影响钦州港口吞吐量。由于港口吞吐量的影响因素较多，同时各因素之间存在复杂的非线性关系，难以用一个线性的模型表达，因此，采用人工神经网络的方法对历史数据进行学习和训练，进而得到非线性网络模型，实现钦州港口吞吐量的预测，能够提高预测的准确性。
1999～2012年影响钦州港口货物吞吐量的广西区各经济指标值见表1，其中，X1，X2，X3，X4，X5，X6，X7，X8分别表示第一产业产值，第二产业产值，第三产业产值，外贸进出口总额，铁路货运量，公路货运量，水路货运量；Y表示钦州港港口吞吐量。
2.2 模型的建立
3 实例分析
3.3 预 测
4 结 论
BP网络预测的方法相对于其他定量方法来说，它能够模拟多变量、无需对输入变量做复杂的相关假定，通过网络的学习能力，获得输入输出之间的映射关系来进行预测，因此BP神经网络预测应用于港口吞吐量的预测具有一定的应用价值。随着时间的推移，训练样本的增加，能够进一步减小BP网络的预测误差，能够获得更好的预测效果。
参考文献：
[1] 祝建. 我国港口吞吐量预测方法研究综述[J]. 中国水运，2010（11）：34-35.
[2] 胡雪棉，赵国浩. 基于Matlab的BP神经网络煤炭需求预测模型[J]. 中国管理科学，2008（Z1）：521-525.
[3] 刘枚莲，朱美华. 基于BP神经网络的港口吞吐量预测模型[J]. 系统科学学报，2012（4）：88-91.
[4] 黄顺泉，曲林迟，余思勤. 中国港口功能的聚类和判别[J]. 交通运输工程学报，2011，11（4）：77-83.
[5] 丁松兵. 基于因子分析的港口物流需求预测——以上海港为例[J]. 港口经济，2012（8）：16-18.