长江液货危险品船运力供需预警指标体系构建

丁涛++花泽春++徐存意++高双

【摘 要】 为更好地监测液货危险品船舶动力供需状况，构建长江液货危险品船运力供需预警指标体系，选取2005―2015年指标统计数据，采用信息熵组合预测模型计算出目标年份的指标预测值，结合BP神经网络明确预测年份的供需度，参考划分的警情范围得到预测年份的长江液货危险品船运力供需情况基本符合历史波动趋势。该预测结果能为液货危险品运输市场运力调控提供参考。

【关键词】 船舶运力；液货危险品；BP神经网络；供需预警

0 引 言

目前国内学者对船舶运力预警方面所作的研究较少，尤其是关于液货危险品船运力供需预警的研究。船舶运力供需关系的不均衡严重影响了航运市场的健康、快速运转，市场监测体系不健全成为亟待解决的问题。从新的角度分析运力供需关系，建立一个能够更加科学、合理和高精度量化供需配比关系的模型，对运输市场运力均衡状态和发展趋势作出预警提示，具有非常重要的意义。

纵观运力研究文献，关于船舶运力方面的研究主要集中在运价预测、运力结构优化、运力供需关系等方面。范永辉等[1]以油船运价指数为研究对象，利用灰色模型探讨其作用机理，发现了影响运价指数波动的三大关键因素。LI等[2]以集装箱港口为例分析了港口供需平衡性问题。宋娜[3]以巴拿马型船为研究对象，分析及预测了其运力供给情况，利用自回归积分滑动平均模型（ARIMA）对波罗的海干散货运价指数进行波动分析和未来趋势预测。本文根据预警系统的构成来设计运力供需预警系统，结合熵值组合预测模型、BP神经网络模型，实现运力供需警情预报功能。

1 构建供需预警指标体系

根据预警警情指标影响因素分析，结合当前航运市场发展和预警管理现状，在预警指标选取的原则下，参考运力供需研究文献、经济预警文献和原有行业评价指标，考虑实际操作中数据的收集量，通过归纳、综合和补充，建立长江液货危险品船运力供需预警指标体系（见图1）。

3 实例分析

3.1 基于熵值法的组合预测

选取2005―2015年长江液货危险品船运力供需指标统计数据，综合分析各指标历史走势发现，二次产业比率、企业数量、平均企业拥有船舶数量等指标走势基本稳定，预测年份内变化不大。因此，本文假定这些指标保持不变，分别取值为0.5、258家、15艘/家。根据预测原理，对长江液货危险品运力供需指标进行预测，结果见表1。

3.2 警限计算

结合运力供需预警指标，在确定预警指标警限时，采用u- 法结合经验数据进行警限划分。采取u 2 、u /2、u+ /2，u+2 依次定位4个临界点，将长江液货危险品船运力供需指标划分为4条警线。

根据历年长江液货危险品船运力供需综合情况分析，令u=1， =0.1；借鉴交通信号灯系统，分别以不同颜色的灯表示各种运力供需关系状态。预警指标警情系数警限划分见表2。

3.3 基于BP神经网络的预测分析

3.3.1 网络构建训练

本文将从总样本中抽取9个样本作为训练集，剩余的2个样本作为测试集。通过Matlab 7.0软件设计一个层数为3、隐含层节点数为23、输入层节点数为11、输出层节点数为1的BP神经网络模型。根据网络运行的实际效率，最后节点定为25。经过反复试验，当误差最小时，网络的精确度为，训练步数为步，输入层和隐含层的变换函数为satlin和Purelin，训练函数为Trainbfg。

3.3.2 预测仿真

以训练好后BP神经网络对2016―2018年长江液货危险品船运力供需数据进行仿真预测，网络训练模型误差水平基本符合要求。由表2可知，预测年份的长江液货危险品船运力供需警情见表3。

4 结 语

预测年份的长江液货危险品船运力供需情况基本符合历史波动趋势。因此，构建的BP神经网络模型性能良好，多种模型的结合对运力供需系统起到警情预报的作用，为预测未来市场运力给出了合理的量化数据，可为航运市场提前做好船舶运力调整提供有价值的参考。

参考文献：

[1] 范永辉，杨华龙，张宝华.基于灰色关联理论的油轮运价指数波动分析[J].大连海事大学学报，2009，35（11）：31-34.

[2] LI S J，MA Z J，QU N，et a1.Research on Supply and Demand Balance of China Coastal Container Port[J].Economic Research Guide，2011（10）：168-169.

[3] 宋娜.巴拿马型船舶干散货运输市场分析[D].大连：大连海事大学，2008.