物流园区物流量处理能力分析与计算

1 物流园区概述

1.1 物流园区物流量概念

物流量作为物流学科中一个十分重要的概念，至今仍没有明确的定义，有学者认为物流量是指物流活动的各佛山到锡林郭勒物流个作业环节产生的实物（物料、零部件、半成品、产成品等）在物流活动的整个过程中（包括库存量、终端配送量、内向物流量、装卸搬运量和运输量等）的数量的总和，本文即将物流量如此定义。

1.2 物流园区的功能分区

物流园区根据规划的功能以及不同功能区的业务特点、作业方式和布置形式，会选择和设定不同的功能分区，包括以下7种常见的物流功能分区：仓储区、加工区、配送区、集运区、联运区、综合服务区、行政区。

1.3 物流园区货物分类

目前很多部门和单位从各自的角度提出了多种货物分类的方案。其实，不同的货物分类标准都是建立在实际应用和管理需求之上，本文对进入物流园区的货物佛山到伊春物流进行了简要的分析，并将其分为4类货物：集装箱类货物、笨重货物、城市消费品、冷链货物。

2 园区物流量计算

2.1 传统物流量计算方法概述

2.2 数据准备

2.2.1 全国物流园区各功能区的面积

2.2.2 各类货物在物流园区停留时间

2.2.3 处理单位重量各类货物所需面积

前文在计算各类货物的平均库存期时假设作业发生在仓储区，因此此处计算物流园区处理单位重量各类货物所需面积也是按货物在仓储区中处理所需的面积，其它功能分区中的作业暂不考虑，在仓储区中处理不同单位重量货物需要的面积如表3所示。

2.2.4 货物构成比例

各个城市和区域的社会环境不一样，它的货物构成比例也不固定，对于区域中的物流园区，由于功能不同、位置不同，所处理的货物种类也不同，不能简单的一概而论，这些都需要实际调研或查询相关统计数据得到。经查询得表4给出各类货物的构成比例情况。

2.3 部分园区物流总量计算

由于园区物流量仅仅来源于仓储区、加工区、配送区、集运区和联运区，与综合服务区和行政区的关系并不密切，本文考虑整个园区的物流量即上述几个区域处理的物流量之和。

应用上述计算方法，可以得到其他物流园区的全年物流量，具体数据如下表5所示。

3 基于MATLAB 的神经网络预测模型预测物流园区物流量

3.1 人工神经网络

常用的经典预测方法都存在一个共同的局限性，即要求预先知道预测对象的数学模型，但是在实际应用当中，许多对象具有复杂的不确定性和时变性，很难建立其预测模型。而神经网络的出现克服了建立模型及参数估计的困难，它不需要建立具体的数学函数模型就可较精确的描述因素之间的映射关系。这样可以降低预测工作的难度。因此神经网络预测模型的研究已逐步成为预测方法研究的一个重要内容[6]。

对于物流园区系统而言，由于系统的复杂性， 各因素的关联性很难用仅仅一个准确的数学解析式来描述， 神经网络预测模型能较精确地描述因素之间的映射关系而不需要确定的函数形式，因此，神经网络预测方法为物流园区物流量预测提供了一个新的途径。

人工神经网络（Artificial Neural Networks，ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionis韶关到石狮物流t Model），是以计算机网络系统模拟生物神经网络的智能计算为基础，由大量处理单元互联组成的非线性、自适应信息处理系统，通过模拟大脑神经网络处理、记忆信息的方式进行信息处理，其具体结构如图1所示。

模型的结构采用三层网络I×H×O，其中I、H和O分别是输入层、隐含层和输出层中的节点数。

在MATLAB环境下的BP 算法的程序设计主要是调用MATLAB工具箱的相关函数[7]。

3.2 基于MATLAB的神经网络预测模型应用

3.2.1 模型建立

（1）预测指标的选择

本文选择表3中全国部分物流园区各模块面积作为样品输入，表5中各园区物流处理量作为分析预测模型的预测指标，即构造了5组输入输出样本。

（2）网络结构的确定

从总体来看，权值和阈值是随着迭代的进行而更新的，并且一般是收敛的，但是权值的初始值太大，可能导致网络很快就达到饱和，另外权值的初始值对网络的收敛速度也有一定的影响。newff函数在生成BP网络时即对网络各层的权值和阈值自动进行初始化。

3.2.2 模型验证及预测结果

利用所得的网络结构和初始条件，以全国部分物流园区5个模块面积作为训练样本，预测该物流园区物量，以验证预测模型的有效性，所得结果如表6中预测值所示。

从表6和图2可以看出，5个训练样本的模拟输出与期望输出较为匹配，相对误差均在正负2%的范围内。模型的收敛效果较好。经过上述训练所得到的权重体系及偏置值所确定的网络就是所要建立的预测人工神经网络模型。