第20卷第4期

2012年11月

系统科学学报

JOURNAL

OF

SYSTEMS

SCIENCE

Vol．20No．4Nov．2012

基于BP神经网络的港口吞吐量预测模型

刘枚莲

摘

1

朱美华

1，2

（1．桂林电子科技大学商学院广西桂林541004；2．桂林航天工业学院经济与贸易系广西桂林541004）

要：港口吞吐量预测是港口决策和规划的基础。为了合理预测港口吞吐量，本文利用外贸

第一产业总产值和第三产业总产值作为BP神经网络的输入变量，港口吞吐量为输出进出口总量、

变量，建立了港口吞吐量预测的BP神经网络预测模型。然后根据2000年－2010年广西北部湾港口吞吐量、外贸进出口总量、第一产业总产值和第三产业总产值，利用Matlab6.5软件的神经网络工具箱，通过对BP神经网络模型的反复训练，发现当隐含层节点数为6，学习率为0.05，训练次数为500次，训练精度为0.001，动力因子为0.9时得到的效果最好。并对BP神经网络模型与多元回归模型的预测结果进行比较分析，认为BP神经网络模型预测的总体效果更优。最后利用所确对2011年和2012年两年的港口吞吐量进行了预测。定的BP神经网络模型，

关键词：港口物流;港口吞吐量;BP神经网络;多元线性回归;预测中图分类号：N949

文献标识码：A

6408（2012）04-0088-04文章编号：1005-

港口吞吐量的预测是港口规划及其可行性研究

的重要组成部分，在确定港口的发展方向、基本设施投资规模、泊位选址和港口的经营策略等方面都起着重要作用。目前研究港口吞吐量预测的方法主要有定性预测方法和定量预测方法两类，定性预测方法多从定性的角度探讨腹地经济发展和产业结构变

［1］［2］

。定量预测方法主要有化对港口吞吐量的影响

时间序列法、线性回归法、弹性系数法、灰色系统法

以及指数平滑法。这些方法应用都比较成熟，一般是根据港口吞吐量历史数据的单个因素进行分析预测，或者直接采用一个或两个因素来构造结构模型

［3］［4］

，以预测港口吞吐量而缺乏对港口吞吐量影响

因素的合理论证，这样有可能漏掉一些与港口吞吐

神经网络方法建立多因素非线性BP神经网络预测

模型，对广西北部湾港口吞吐量进行预测研究。

1BP神经网络结构图

BP神经网络（BackPropagationArtificialNeural

Network，即BPANN）是典型的多层前馈型网络，由输入层、隐含层和输出层组成，层与层之间一般采用全部连接方式，同一层单元之间不存在相互连接。

6］本文应用文献［得到的三个自变量（外贸进出口总量、第一产业总产值和第三产业总产值）作为BP

神经网络的输入变量，港口吞吐量为输出变量。BP神经网络的结构图如图1所示。

量密切相关的因素，或者采用与港口吞吐量关联度

不大的因素，从而导致预测结果不准确。于是有学者提出利用主成分分析法来提取港口吞吐量的影响

［5］

因素，但是又缺乏合理的经济解释，因此有必要对港口吞吐量的预测指标和预测方法进行系统研

6］究。本文根据文献［应用灰色关联分析法对港口吞吐量相关影响因素进行筛选分析的结果，利用BP

*

图1三层BP神经网络结构图

03-07收稿日期：2011-8）。基金项目：2009年广西科学研究与技术开发计划项目（桂科能0992023-作者简介：刘枚莲（1972－），女，湖南娄底人，桂林电子科技大学教授，管理学博士，研究方向：物流管理，电子商务；

朱美华（1984－），女，湖南郴州人，桂林航天工业学院教师，研究方向：物流管理。

E-mail：merryjanes@126．com

—88—