摘 要

农产品物流总额是指全部农产品从供应地向销售地流通过程中所产生的全部价值总额，是对农业和物流业发展程度一个很好的评价标准，精确对其发展变化做出预测，于政府、社会、企业以及农民都存在极大的帮助，帮助农民根据政策走向以及市场情况合理投产，为政府、相关企业做出合理的决策提供必要的数字支撑。

本文选择的研究主体并非是全国性数据，而是湖北省农产品物流总额，包括对湖北省对2008-2017年以前10年的数据做出推测、2018-2022年五年的农产品物流总额进行预测。由于湖北省农产品物流总额数据仅有2012年和2013年的记录，本文首先运用灰色关联度研究办法，基于全国13个指标与农产品物流总额于2008-2017年的数据对影响农产品物流总额的因素进行重要度分析，确定农产品物流总额与8项影响指标存在显著相关性，因湖北省发展水平与全国平均水平相差不大，故将此全国性结论类比于湖北省；使用全国2008-2017年、湖北省2012年和2013年数据，通过BP神经网络推测出残缺的湖北省农产品物流总额，并将此作为原始数据，同8项重要影响因素指标数据建立完整的湖北省农产品物流总额预测指标体系。

本文是将GM(1,1)模型和BP神经网络两种模型采用串联方式结合起来构建灰色神经网络组合预测模型。第一步是先利用GM(1,1)模型对湖北省8项与因变量相关性大的指标要素进行预测，得到2018-2022年总计五年的8组预测值序列，同时将2008-2017年影响指标数据作为BP神经网络的输入层，基于这种数据处理方法训练BP神经网络来得到优质的权值和阈值，最后将利用GM(1,1)模型得到的预测年份的影响因素指标数据输入训练好的神经网络，输出即为2018-2022年的湖北省农产品物流总额值。

关键词：农产品物流总额；灰色关联分析；GM(1,1)模型；BP神经网络；灰色神经网络组合预测

Abstract

Agricultural products logistics refers to the total all produced in the process of circulation of agricultural products from the supplier to sale the full value of the total, is the development of logistics industry in the agriculture and a good degree of evaluation standard, accurate prediction on its development and changes, in the government, society, enterprises and farmers have great help, to help farmers reasonable production according to the policy direction and market situation, for the government, the relevant enterprises to make reasonable decision provides necessary support.

The research subject selected in this paper is not the national data, but the total amount of agricultural products logistics in Hubei province, including the prediction of the data of Hubei province from 2008 to 2017 in the previous 10 years and the prediction of the total amount of agricultural products logistics in the five years from 2018 to 2022.Due to the logistics of agricultural products in Hubei province only in 2012 and 2013, the total amount of data records, this paper applied the grey correlation research method, based on the national 13 indicators with the total value of agricultural products logistics in 2008-2017 data on the influencing factors of the total amount of agricultural products logistics analysis of important degree, determine the total amount of agricultural products logistics and eight indexes exist significant correlation, because of the difference between the national average level of development in Hubei province is small, so the national conclusion analogy in Hubei province; Using the national data from 2008 to 2017, Hubei province 2012 and 2013, the incomplete total amount of agricultural products logistics in Hubei province was speculated through BP neural network, and this was used as the original data to establish a complete forecasting index system of total amount of agricultural products logistics in Hubei province with the index data of 8 important influencing factors.

In this paper, GM(1,1) model and BP neural network are combined in series to build a combined prediction model of grey neural network. The first step is to use GM (1,1) model of Hubei province eight big indicator elements to predict correlation with the dependent variable and get a total of five years from 2018 to 2022, 8 group forecast sequence, at the same time will impact indicators data in 2008-2017 as the BP neural network input layer, training the BP neural network based on the data processing method to get high quality weights and thresholds, finally will use GM (1,1) model to get the influence factors of forecasting year index data into trained neural network, the output is the total amount of the logistics of agricultural products in Hubei province in 2018-2022.

Key words：total logistics of agricultural products；Grey Relationship Analysis；GM(1,1) model；BP neural network；Grey neural network combination prediction

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景与问题提出 1

1.2 国内外研究综述 1

1.2.1 灰色预测模型研究综述 1

1.2.2 神经网络模型研究综述 2

1.2.3 灰色神经网络组合模型研究综述 2

1.2.4 国内外研究评述 3

1.3 研究目的与意义 3

1.3.1 研究目的 3

1.3.2 研究意义 4

1.4 研究内容与研究方法 4

1.4.1 研究内容 4

1.4.2 研究方法 5

第2章 物流业运行情况相关指标综述 6

2.1 物流业发展总量指标 6

2.1.1 实物指标 6

2.1.2 价值指标 6

2.1.3 劳动指标 7

2.2 物流业发展质量指标 8

2.2.1 整体运作要素质量指标 8

2.2.2 要素运作质量指标 8

2.3 农产品物流运行情况相关指标 8

2.3.1 农产品物流总量指标 8

2.3.2 农产品物流质量指标 9

第3章 湖北省农产品物流总额基本预测体系构建 10

3.1 引言 10

3.2 湖北省农产品物流发展概述 11

3.2.1 湖北省农产品物流发展现状 11

3.2.2 湖北省农产品物流需求分析 13

3.3 灰色预测与神经网络理论 14

3.3.1 灰色预测模型---灰色关联度分析 14

3.3.2 灰色预测模型---GM(1,1)模型 15

3.3.3 BP神经网络模型 15

3.4 基本预测体系构建 20

3.4.1 湖北省农产品物流总额概述 20

3.4.2 全国农产品物流总额的影响因素灰色关联度分析 21

3.4.3 湖北省往年农产品物流总额推测的BP神经网络模型 26

3.4.4 湖北省农产品物流总额预测指标体系建立 28

第4章 湖北省农产品物流总额灰色神经网络组合预测模型 30

4.1 引言 30

4.2 组合模型基本思路 30

4.3 灰色神经网络组合预测模型 30

4.4 结果分析 31

4.4.1 湖北省影响因素指标预测结果与分析 31

4.4.2 湖北省农产品物流总额预测结果及分析 34

4.5 小结 36

第5章 全文总结与展望 37

5.1 研究总结 37

5.2 研究展望 37

参考文献 39

致 谢 39

附 录 42

附录A：灰色关联度分析代码： 42

附录B：GM(1,1)模型代码： 46

附录C：BP神经网络模型代码： 48

第1章 绪论

1.1 研究背景与问题提出

改革开放四十年以来，我国在社会生活的各个方面都得到了巨大的进步，全国的经济发展趋势同时也带动了湖北省经济的快速进步，其中第二产业和第三产业总产值占湖北省生产总值的比率不断增长，说明了湖北省工业、服务业的迅猛发展，但是即便如此，湖北省第一产业在地区生产总值中仍然占据着重要的比率，中国的第一大江长江横跨湖北省，自然地理条件以及气候条件均有利于农业生产，另外湖北省农业用地充足并且农村劳动力充足，虽然潮流趋势使人们争抢城市户口，但农村户口居民仍然占据着一定的比率，农业的作用也不可忽视，对全省人民甚至是全国某些地区的居民生活水平的维持都发挥着微小却不容小觑的力量。从2018年的数据可以分析出，28394700吨的湖北省农产品产量在维持本省居民的生活需要之外，还满足了全国各地甚至是海外的人民的需求，蔬菜农产品、食用菌等农产品、瓜果类特色产品、大部分出产于长江的水产品相较于2017年都提高了一定的比例。

湖北省政府不仅注重国内市场，还冲出国门，将市场打入国外，发展外向型农业，制定了2015-2020年湖北省外向型农业发展规划。湖北省政府根据以往年份湖北省的农业发展速度，在近几年内相继提出了外向型农产品发展策略与规划，在此方面，政府投入了大量的资金打造海外物流销售链。出口导向型农业发展计划中提到农业投资发展目标：逐步建立海外农业投资产业链体系，涵盖粮食、棉花、油脂、糖等农产品的生产、加工、收储、运输、配送等过程，完善重要农产品的海外“权益产量”和“产能储备”。并对2020年湖北省农产品在海外的销售额做出了具体规划，未来达到海外市场的目标，提出来包括棉花、大米、小麦、油类作物、特色瓜果蔬菜等在内的产能目标。

综合上述对湖北省农产品产量的比较以及近几年湖北省政府做出的外向型规划，可以看出湖北省政府一直关注农业的发展，并且一直在大力支持农业发展走向国际舞台，体现了湖北省农业对于区域人民、全国人民以及海外友人的重要性。

1.2 国内外研究综述

1.2.1 灰色预测模型研究综述

冯莉采用GM(1,1)预测模型预测中国社会物流总额^[1]。高芳杰利用结合了最优子集法和马尔科夫模型的灰色GM(1,1)预测模型来预测全国农产品冷链物流需求，发现此种结合方式能够解决需要多数据和低预测精度的问题^[2]。R.M. Kapila Tharanga Rathnayaka构建一种基于泰勒级数近似和无偏GM(1,1)的新的混合统计方法(HTS_UGM(1,1))，在10月份以来斯里兰卡央行数据的基础之上，短期预测金价^[3]。

1.2.2 神经网络模型研究综述

王新利^[4]、张娜^[5]利用BP神经网络都对我国农产品物流需求进行模拟预测，发现该方法预测精度高，具有实用性。除了利用原始的BP神经网络模型之外，还有众多学者对该模型进行改进，Zhou Jiehua^[6]提出了一种基于灰色理论和误差级迭代法的改进BP神经网络，优化了BP神经网络的稳定性、预测精度、学习收敛速度和隐层结构。WAQAR T^[7]提出了一种利用均值、快速傅里叶变换和MLP神经网络诊断不同类型齿轮故障的方法，该研究技术可以有效地从原始数据中提取有用的信息，应用在蜗轮蜗杆的分析和故障诊断。

1.2.3 灰色神经网络组合模型研究综述

郭维民^[8]、聂小沅^[9]、刘中侠^[10]结合GM(1,1)模型与BP神经网络模型构建组合预测模型，分别对田径比赛项目相关成绩序列、桥梁耐久性、人口进行模型检验与预测，得出在预测精度上，将两种模型联合起来后产生的新功能高于单独运转时的效果。冯永岩研究了北京市农产品冷链物流，构建需求预测指标体系，设计了主成分回归和 BP 神经网络相结合的模型^[11]。朱叶分别利用GM(1,1)-BP神经网络组合模型、GM(1,1)模型和BP神经网络模型对新疆兵团农产品物流进行预测^[12]，比较结果表明，同样发现将两种模型联合起来后产生的新功能高于单独运转时的效果。除了上述原始的将两种预测模型进行简单的组合外，一些学者还设计了对两种方法进行改进后的组合预测模型。Wang, Shouhui利用灰色理论预测了棉花蜘蛛螨的年侵染程度，在分析历史资料的基础上，建立了预测螨害程度的GM(1,1)模型，并通过马尔可夫链和BP神经网络对灰色模型进行了改进^[13]。张乐采用GM(1,1)-MLP神经网络组合模型的方法预测我国未来的物流总额^[14]，证明了改进后的单模型在组合之后带来的效果在预测精度方面远优于单灰色预测模型。曹萍主要探讨福建省区域物流的预测问题，利用遗传算法优化了GM(1,1)预测模型中参数的选择，并且选择遗传算法代替BP学习算法来训练神经网络的权值，最后将遗传算法运用于原始的灰色神经网络模型使其大大提高了预测精度^[15]。张继国分别构建了增长曲线模型、灰色模型、BP神经网络模型和灰色神经网络组合模型，预测了农村电子商务产业集群，结果表明，灰色神经网络组合模型的预测精度优于单一预测模型^[16]。司志娟通过改进的灰色神经网络组合预测模型（IGNNM）对空气质量进行预测，结果表明，改进后的两种模型的联合相较于传统的简单直接的将两种模型组合起来在预测精度方面更优^[17]。李夏培^[18]利用优化的GM(1,1)模型和以第个分量为初始条件的新信息模型建立灰色线性组合模型，应用于实际问题北京市农产品物流需求的预测中，比较得出组合模型比单一方法结果更优。

1.2.4 国内外研究评述

总之，以往被运用到的研究方法中有三种不同思路：GM(1,1)模型、BP神经网络预测模型和灰色组合预测模型，都曾被学者广泛用于预测不同实际问题，从生态到经济、从自然资源到实业发展，然而不管是国内还是国外都少有学者研究农产品物流总额的预测，更不用说某地区的农产品物流总额，历史研究主要集中于物流需求预测或者某地区整体物流总额的预测。本文选择研究主体并非是全国性数据，而是湖北省农产品物流总额，包括对湖北省2018-2022年五年的农产品物流总额进行预测、对以前10年的数据作出推测，采用串联方式结合起来的思路构建灰色神经网络组合预测模型。

1.3 研究目的与意义

1.3.1 研究目的

目前我国经济实力不断提高，湖北省经济发展水平也随着全国经济的带动不断得到提高，并且地区GDP稳步增长，农业、工业、服务业三大产业稳步前进，即便如此第一产业总值始终占据着不可忽视的比例。然而农产品物流问题是农业发展和物流业发展中一项重要问题，某些问题亟待解决并且存在极大的提升空间，提高农产品物流水平将对湖北省经济水平的整体发展做出重大贡献。对于湖北省物流总额这一重要指标，在各大权威统计网站上都只能找到零星几年的数据记录，为了促进农产品物流业的发展，有必要对与之相关的各种历史统计数据深入研究其反映的内在原因，根据呈现的数字信息分析找到提高农产品物流水平的关键点。农产品物流总额能够体现某个地区很多方面的发展情况，它与农产品物流水平密切相关，因此应重视对湖北省这一具有代表性指标的研究。