基于BP神经网络西北地区冷链物流中心选址模型

夏　晶，　黄　凯

(1.重庆交通大学 经济与管理学院，重庆 400074；2.重庆交通大学 土木工程学院，重庆400074)



基于BP神经网络西北地区冷链物流中心选址模型

夏晶1，黄凯2

(1.重庆交通大学 经济与管理学院，重庆 400074；2.重庆交通大学 土木工程学院，重庆400074)

冷链物流中心选址是西北地区发展冷链物流的关键步骤，冷链物流中心选址的研究对物流行业响应国家“新丝绸之路”发展战略有重要意义。结合模糊综合评价法，建立四级综合评估体系，运用BP神经网络训练对西北地区冷链物流中心的备选城市进行科学选址与验证分析，得到西北地区冷链物流中心的最优选址方案，并验证误差在允许范围内，为西北地区发展冷链物流提供科学的选址方案。

冷链物流；BP神经网络；模糊综合评价；西北地区

一、引言

西北部地区地域广阔，地理、气候条件多样，农产品物种丰富。实施西部大开发战略以来，西北地区通讯、交通运输、城市基础设施、运输车辆等硬件条件得到明显改善，为物流业发展提供了便利条件。在“丝绸之路经济带”建设背景下，西北五省积极探索物流行业“新大陆”——冷链物流的运作发展。冷链物流的发展为西北干旱缺水地区运输新鲜瓜果肉类、进一步降低农产品损失，以及减少不必要的经济损耗提供了新的思路和方法，也为西部地区现代物流业的发展带来了希望、机遇与挑战。

国内外对冷链物流中心选址的许多文献是考虑成本最低为目标函数，利用启发式算法求解。王想想提出基于建设成本最小化与货物质量损耗最小化构建模型，并用遗传算法解决得到最优解[1]。侯淑婕研究了冷链物流网络中制造与配送中心选址问题，考虑到离散的网络选址模型，分析两级中心运营成本、建设成本等，以总成本最小化选址[2]。徐建华利用冷链物流中心建设成本、运输成本、货损成本、早到机会成本与迟到惩罚成本之和作为目标函数，运用粒子群算法、改进GA-PSO算法求解[3]。舒旭丽针对生鲜农产品冷链，以农产品产地、预冷站、配送中心三级选址，不考虑建设费用，不考虑短途运输费用，相关费用最小化，利用遗传算法求解[4]。邓丽超构建双层目标函数，考虑两级配送中心与客户之间运输费用，以总成本最小化求解[5]。

以上大部分文献都是基于冷链物流配送中心的成本最优而进行选址研究，但是选址问题中，需要考虑的不仅仅是运输、仓储、加工费用与建设时投资成本的最优，更要综合优选备选址的人文地理环境、经济发展情况、劳动力条件、社会文化环境，还要考虑到政策导向因素，优先考虑国家规划中区域流通节点城市，发挥其政策利好[6-7]。再者，西北地区地形地质条件恶劣，宗教人文环境复杂，不可定量分析选址费用而片面制定选址方案，需结合实际情况做出最后选址方案。因此，西北地区冷链物流配送中心选址将是一个多属性决策问题[8]。本文将采用模糊神经网络分析方法，利用选址影响因素，建立冷链物流评价指标，再对神经网络进行训练，得到最优解。

二、BP神经网络模型

(一)BP神经网络简介

BP神经网络(Back Propagation)是一种将误差逆向传输的训练过程，它是多层的类似于生物神经元的信号传播过程的学习。神经网络包含输入层、中间层、输出层三级传播介质，输入层负责将外界信息导入，并向前正向传递给中间层；由中间层对接收到的信息进行识别、处理，并根据需要实施信息变化；当信息完成中间层的传递，到达输出层神经元时，输出层神经元将信息输出到外界，进而完成一次正向传播学习过程。BP神经网络算法训练具有自学习、自适应和非线性映射的特点，本质是基于梯度下降的一种迭代学习算法，即BP网络的误差调整方向总是沿着误差下降最快的方向进行，随着误差逆向传播修正的反复进行，网络对输入模式响应的正确率也不断上升，使训练结果准确，误差小[9]。本文采用BP神经网络算法对西北地区冷链物流中心选址进行评估。BP神经网络模型如图1所示。

图1　BP神经网络结构

BP神经网络的求解过程主要有6个模块：原始数据的输入，数据归一化，网络训练，对原始数据进行仿真，将原始数据仿真的结果与已知样本进行比对，对新数据进行仿真。

(二)基于BP神经网络选址评价模型原理

收集西北地区物流中心备选址的各个影响因素，将其作为输入层的输入信息，经过BP神经网络算法训练，输出备选址最终的评价结果。简要过程如图2所示。

三、基于模糊综合评价分析的西北地区冷链物流中心选址体系

(一)西北地区冷链物流中心备选址数据收集

西北地区土地广袤，但自然条件恶劣，经济基础差，居民消费水平低，故大型冷链物流中心寥寥可数且不具有规模效应。本文不考虑西北地区原有冷链物流中心对选址的影响，对西北五省(陕西省、甘肃省、宁夏回族自治区、青海省、新疆维吾尔自治区)涵盖地域的多种因素进行分类调查，根据不同因素的归类，将影响选址的多种因素分成多层指标体系。依据建立的西北地区冷链物流中心选址评价指标模型，邀请专家对指标体系中的影响因素打分，形成冷链物流中心选址评价矩阵，将评价矩阵与权重矩阵相乘，得到选址评价指标，并对其归一化。

图2　BP神经网络算法实训过程

调研过程采用查阅各省年鉴、调查问卷、单位访谈等方法，一般选取政府管辖物流中心单位，而非冷链物流相关行业单位，保证调研数据不受业内人员主观意识影响。西北地区各省份选址涉及城市较多，根据国家规划，西安、兰州、西宁、银川、乌鲁木齐五市被纳入全国流通节点城市，咸阳、榆林、天水、酒泉、海西、海东、石嘴山、喀什、伊犁、博尔塔拉、巴音郭楞、日喀则成为区域级流通节点城市。选址数据收集主要基于17个流通节点城市的人文地理环境、经济发展情况、劳动力条件、社会文化环境、政策导向等因素对比数据，选取这17组数据作为训练集，与模糊评价指标体系结合，充分学习训练后，根据数据综合比较，选出适宜大型冷链物流中心建设的地址。

(二)西北地区冷链物流中心评估模型建立

在调研结束的基础上整理归纳得到数据，考虑城市规划建设相关部门的建议，得到西北地区冷链物流中心选址评估模型，即模糊综合评价指标因素集U，见表1。

表1　西北地区冷链物流中心选址评估模型

表2　西北地区冷链物流中心选址评估综合评价结果

四、基于BP神经网络西北地区冷链物流中心选址应用

(一)西北地区冷链物流中心选址模型设计

(二)基于BP神经网络的学习训练

在MATLAB 2015aV_8.5环境下运行BP神经网络算法程序，实际运行482次得到最优结果，用时0.01秒。训练结果与专家评价结果基本相同。

训练次数为460次时网络误差误差平方和是0.00099985，符合误差允许0.001。

图3　MATLAB仿真结果

图4　仿真误差对比

(三)西北地区冷链物流中心选址应用

基于文中备选17市的评价结果，由于物流中心规模制约其运营辐射能力与服务区域，根据实际情况提出选址方案集P=(P1，P2，P3，P4，P5)，P1=(西安，天水，酒泉，石嘴山，巴音郭楞)，P2=(兰州，西安，乌鲁木齐，咸阳，榆林)，P3=(西宁，银川，乌鲁木齐，咸阳，日喀则)，P4=(天水，喀什，伊犁，海东，日喀则)，P5=(海西，喀什，银川，咸阳，伊犁)，将五种方案数据输入已被验证的BP神经网络算法中进行训练，得到结果：Y=(0.5239,0.8219，0.2938,0.3829,0.6390)。

图5　训练结果与目标值拟合

由上述结果可得，西北地区冷链物流选址地点建议采取方案P2，为西北地区新丝绸之路物流行业发展中的冷链物流中心选址问题提供了参考性意见。

(四)西北地区冷链物流中心选址结果验证

将最优方案P2=(兰州，西安，乌鲁木齐，咸阳，榆林)中五个备选城市的基础调研数据与专家打分结果输入神经网络中，验证上文训练结果是否准确合理。

图6　误差与试验次数相关

图7　验证过程仿真误差对比

经过神经网络训练验证，图5～7是训练仿真的相关图示，训练结果与目标值拟合较好，无明显误差，且误差平方和为0.000998，符合误差允许范围，选址结果与实际相符合。

五、结语

本文采用模糊综合分析法，建立了四级综合评估体系，该体系中包含5个一级综合指标和38个子类指标，较为全面地涵盖了西北地区冷链物流中心选址的影响因素[11]。考虑到西北地区的地域特殊性，引入社会文化条件一级指标，将宗教信仰影响因素纳入指标体系。根据实地调研结果，并结合专家评估意见，搜集备选城市的资料数据，运用BP神经网络法，将专家评估结果作为目标输出值，验证了神经网络训练的有效性[12-13]。在提出的五个选址方案中，运用已经验证的BP神经网络训练，得到最优结果，对其验证，误差符合要求。

[1]王想想.冷链物流配送中心选址问题研究[D].大连:辽宁师范大学,2014.

[2]侯淑婕.带时间窗的冷链物流选址配送问题研究[D].上海:上海大学,2015.

[3]徐建华.基于GA-PSO算法的生鲜农产品选址—路径问题优化研究[J]. 物流工程与管理,2016(2):51-53,55.

[4]舒旭丽.基于遗传算法的生鲜农产品冷链物流网络优化问题研究[J].物流技术,2014 (21):347-350.

[5]邓丽超.冷链配送中心选址优化研究[D].长沙:中南大学,2012.

[6]林懿.我国冷链物流发展现状与对策研究[J].产业与科技论坛,2016(3):17-18.

[7]杨晓辉，黄承锋.重庆武隆地区物流现状及对策研究[J].重庆交通大学学报(社会科学版)，2007(4)：16-18.

[8]王红梅.我国生鲜农产品冷链物流发展问题研究[J].农业经济,2016(2):132-133.

[9]俞林.基于BP模糊评价的冷链物流中心选址问题研究[J].物流技术,2013(10):95-98.

[10]刘桓.基于遗传算法的冷链物流路径选择研究[J].物流技术,2013(10):116-119.

[11]王芳.食品冷链物流企业绩效评价物元模型研究[J].物流技术,2012(11):294-296.

[12]游力,刘广海,谢如鹤,等.冷链物流标准化绩效分析[J]. 物流工程与管理,2016(7): 12-14.

[13]程丽林,范志强,张长峰,等.我国农产品冷链物流标准体系构建的思考[J].物流工程与管理,2016(7):8-11.

(责任编辑：李晓梅)

Location Model of Cold Chain Logistics Center in Northwest China Based on BP Neural Network

XIA Jing1， HUANG Kai2

(1.School of Economy and Management, Chongqing Jiaotong University, Chongqing 400074, China; 2.School of Civil Engineering, Chongqing Jiaotong University, Chongqing 400074, China)

Cold chain logistics center location is a key step in the development of cold chain logistics in northwest region. The research of cold chain logistics center location is of great significance to the development of logistics industry in response to the national “new silk road” policy. Combined with fuzzy comprehensive evaluation method, the four level comprehensive evaluation system was set up. And the BP neural network training was used to analyze the scientific location and verification of the alternative cities of the cold chain logistics center in northwest China. To obtain the optimal location of the cold chain logistics center in the northwest region, and to verify the error within the allowable range, a scientific site selection is provided for the development of cold chain logistics in the northwest region.

cold chain logistics;BP neural network; fuzzy comprehensive evaluation; northwest China

20016-07-12

国家社会科学基金重点项目“中巴伊土国际通道多边战略价值及风险评估研究”(16AGJ007)

夏晶(1993—)，女，甘肃金昌人，重庆交通大学经济与管理学院硕士研究生，研究方向：物流工程。

F252;F224

A

1674-0297(2016)05-0045-06