基于RS-SVM的农资物流需求预测应用探究

第 1 章 绪论

1.1 研究背景和意义
1.1.1 研究背景
随着经济发展和科技进步，全球化经济市场及其信息网络迅速形成，企业竞争也愈加激烈。而中国作为农业大国，农业是国民经济的基础，其农资的市场需求由于其产品本身和市场多样性使得消费者的购买行为具有不确定性，企业难以把握消费者心理，因此企业需要预测农资需求量来满足农户需求。而随着人们生活水平的提高，车辆拥有量和道路交通量更是迅速增加，出现各种交通拥堵问题，从而引发了各种安全、污染等危害社会的重要问题，影响了社会进步和经济的进一步发展。虽然加大交通基础设施投入、规划交通系统等解决了部分交通问题，而企业也从提高自身农产品质量、改进服务态度等方面提高了企业效益，但在此基础上减少车辆出行也是解决拥堵问题的有效途径，而在物流配送过程中把农户可能需要的农资量提前放在配送车辆上，就可以避免车辆重复行驶，减少配送周期，从而配送成本，增加企业效益[1]。
近年来，国家采取了一定措施，如减免赋税、灾害补贴等促进了农村的经济发展，但还存在着很多问题。农用物资运输到农村的运费高导致农户购买农产品费用大，地理环境的差异导致不同的农用物资需求不同，农民买卖无渠道等问题仍然没有得到解决，而且政府在农村投入的先进设备也没有得到完全利用。另一扰乱农资市场的因素就是很多假冒伪劣的农资出现抑制了农业发展，让农民的购买行为多数在知名企业或在品牌农资中购买，导致了农资价格高，不仅损害了农民的利益，还抑制了企业农资的销售量，降低企业收入，阻碍了农村经济的发展。提高经济效益是企业的最终目标，而在农资物流配送过程中高效的配送模式则是其提供优质产品、提升服务质量、降低综合成本的关键[2]。所谓农资就是农用物资，是农业生产的基础和物资保障。农资涉及范围大，包括种子、化肥、农药等种植业生产资料，饲料、畜禽等畜牧业生产资料，以及农机和设备零件、燃料等农业机器和原料生产资料等。而农资物流是指农资从采购到加工、运输，从生产者到消费者的一系列农资产品流动过程，是工农业的连接纽带[3]。我国农资物流配送行业经过多年的发展，扭转了资源短缺的局面，基本上能够满足农业生产需求，农民的购买行为也由过去的储备、抢购转变为现在的现用现买、不储不备的模式[4]。农资物流配送是从城市到农村、从干线到支线的过程，具有很强的分散性，且交通状况不明确，如果延误农资的到达时间，可能导致一年的农业生产进入停滞状态，这就要求农资企业在农需时及时的提供农资产品，防止错过农时。而且农资产品有很大的季节性且品种多、地域差异大，不能统一配送。在物流配送过程中，农资产品的存储、运输等难度大，出现配送车辆重复往返、空驶等问题。因此农资企业需要建立健全的网络管理体系，建立潜在农资物流需求预测系统，合理安排配送车辆和农资配送量，降低农资配送成本，从而降低终端农资价格，增加农民的购买行为，同时缩短配送时间，提高农资企业的经济利润。
随着物流市场的发展，农资的流通还不能形成规模化管理，物流成本高，而且信息网络不健全，使农资价格一直居高不下，与现代物流的差距很大，不能有效的保障农民利益。如果能够降低物流配送方面的成本，产品价格就可以在一定范围内得到有效控制，而对潜在农资进行需求预测可以提前在配送车辆上储存潜在客户的农资，减少发货次数，缩短配送周期。在运输过程中也可以降低或避免因天气影响、交通意外或有毒、易损、易碎农资等所带来的危险，从而促进农资销售，减轻农民负担，提高企业营业额，加快农业发展。而只有保证了农业的稳定发展，才能保证快速、有效、持续的发展国民经济。
................................

1.2 国内外研究现状
1.2.1 国内外农资物流需求预测研究现状
美国是物流的发源地，1901 年，Grouville 首次分析农资配送的影响因素。而农资物流最早由 Mighell 等（1963）提出，认为农资物流是指从农业生产资料的生产、存储、销售等，从城市到农村过程中所形成的物流活动和组织创新[5]。物流配送最早在二十世纪中期出现，送货方式向一体化发展，农资物流配送是农资产品从生产线移动和存储到消费者的物流过程。美国学者阿奇·肖（A.W.Shaw，1915年）最早界定从供给者到需求者之间的实体分配，美日等发达国家对物流理论的研究也是循序渐进，并没有对农资物流进行太多的专门研究。随着物流中引入MRP、MRPII 等先进方法，美国物流管理协会在 1985 年的更名标志着现代物流的确立。
企业生存发展的竞争优势和能量源泉是 1990 年由美国 C.K.Prahalad 和 GaryHamel 共同提出的核心竞争力[6]，保证了企业的竞争优势。在 20 世纪 70 年代末我国引入了物流的概念，开始重视对物流的管理，然而传统物流随着社会对服务标准的要求提高，不能满足社会和经济的发展，因此加入网络和信息技术的现代物流理论随之出现，紧密联系运输、存储、配送等环节，降低了农资产品的总成本，从而被称为“第三利润源泉”。在 2006 年开始将国际竞争引入到农资行业，从此农资物流企业相互竞争发展，经营结构也由原来的单元化转变为多元化模式。
杨胜（2005）通过分析农资物流配送的市场现状，阐述了邮政全方位合作发展农资配送，走合作性竞争的必要性[7]。朱鹏颐（2008）通过现代物流与供应链的结合，提出新的农资物流配送体系，论述了现代物流配送的重要性[8]。Alio 等（2009）在对农资产品的运输路线进行优化时，采用线性规划的方法进行定量分析，降低了运输成本，提高了经济效益[9]。刘军等（2013）通过研究农资市场和农资物流及其信息系统、物联网技术等，建立了提升农资物流水平的农资物流信息监管平台[3]。
在当今时代背景下，一个完善的客户需求管理系统的开发已经成为适应市场需求的必要条件。而潜在农资需求并不是实际购买力的有效需求，也就是目前还没有购买过某企业的农资产品，而未来可能成为其真正消费者。潜在需求是需求的一种分类，只有将潜在需求激发为有效的购买力，才能真正提高企业经济效益，以便服务客户，增加企业效益。
蔡建新等（1987）采用指数平滑法对化肥销售量进行回归分析，预测结果表明了化肥在短期内的销售量波动幅度较小[10]；Eunju Kim 等（2003）对客户购买行为和潜在客户进行分析预测，证明了多分类器算法在客户预测中的有效性[11]；马静等（2005）利用因子分析法建立多元线性回归模型对杂交玉米种子需求量进行了计量分析，所得计量模型的预测精度较高[12]；过蓓蓓等（2010）使用支持向量机方法通过 Web 日志中隐藏的客户行为挖掘出潜在的客户资源[13]。国内外对客户需求预测的研究为农资物流需求预测提供了一定的理论基础。
综上所述，国内外学者对农资物流需求预测的研究文献还比较少，而在物流配送和潜在客户的研究基础上，对潜在农资需求进行预测有助于国民经济的发展，促进社会进步。因此，本文通过对物流中潜在农资需求预测进行研究，建立物流中农资需求预测子系统对潜在农资进行需求预测，为农资企业提供决策支持。
..............................

第 2 章 相关理论和关键技术

2.1 粗糙集理论概述
2.1.1 粗糙集基本概念
1. 知识
在粗糙集理论中，知识是一种基于分辨现实或抽象对象的分类能力[15]，也可以将知识看作是人们根据事物的不同特征将具有相同属性值的对象进行归纳、分类的能力，也就是人类的认知或认识成果。随着人类文明的发展，知识由人类最初在实践中总结经验逐渐发展成为一门科学理论。
知识可以通过研究问题的范围中的已有知识来区分对象或个体，若两个个体无法用现有知识区别则称两个个体不可分辨，也就是粗糙集中的知识是由论域中的某种等价关系来表现其分类能力的。而我们通常描述的等价关系并不是一个而是多个，因此，发现分类规则的知识与等价类等有着重要联系，具体来说，知识可以表达为一个关系系统   K={U,R}，其中U 为论域，是对象的集合， R 为等价关系，划分等价类结果为 U/R，而被R划分的包含元素x的等价类用[x]R表示。同样，当 P∈R且P≠Φ 时称∩P为等价关系，记为IND (P):[X ] indp=∩[X]R[22]。例如表2-1 所示是一个简单的知识库。

其中，U={牛，鸟，恐龙，青蛙，鱼}，R={毛，用肺呼吸，恒温，繁殖}，根据现有知识得到最终等价类U/R={{牛}，{鸟}，{恐龙}，{青蛙}，{鱼}}，由此可见，青蛙和鱼不能用现有知识而需要新知识来分辨。
2. 信息系统与决策系统
在粗糙集理论中，人类通过知识表达系统来获取知识，知识表达系统也称为信息表或信息系统，是一种研究对象存储为数据表格的集合形式，信息系统通过构造研究对象的属性及其属性值的二维数据知识表来具体表示知识，和关系数据库相似。
....................................

2.2 支持向量机理论
2.2.1 统计学习理论
统计学习理论（Statistical Learning Theory，简称 SLT）是六、七十年发表展起来的一种机器学习理论，是在有限样本情况下研究机器学习的规律[33,34]，也是现有机器学习方法的重要理论基础之一。传统统计学主要研究无穷大的样本数据，得到近似值，实际应用中存在的却多是有限样本，而 SLT 研究的是小样本数据，更适合解决实际问题。由于神经网络等学习方法到 90 年代中期发展缓慢，因此，SLT 越来越受到广大学者的重视，推动了机器学习理论的发展[35]。
SLT 研究有限样本的统计估计和预测的指导性理论是推广性的界，其核心是VC 维（Vapnik-Chervonenkis Dimension）。另一个 SLT 的重要研究内容是结构风险最小化原则。
1. VC 维
VC 维是 SLT 为研究学习的收敛速度和推广性而定义的一个重要性能指标，定义是：存在一个指示函数集，其中h个样本能够按照h2 种形式将所有可能的情况都打散，而被打散的函数集中最大样本数h就是其 VC 维[36]。当任意数目的样本都存在 VC 维时，则此函数集具有无穷大的 VC 维。
在函数集中，VC 维在反映学习能力的同时，当 VC 维越大则导致机器学习越复杂。目前不存在通用的 VC 维计算理论，只有一些特殊的函数 VC 维被人们所知。例如，在n维实数空间中，实函数和线性分类器的 VC 维是 n+1，而f {x, a}=sin{ax}则有无穷大的 VC 维[35]。而在图 2-4 的 VC 维示意图中，图（a）和图（b）的 VC维分别是 3 和 2。复杂学习机器的 VC 维确定较为困难，如神经网络的 VC 维不仅与神经网结构有关，还与学习算法有关[37]。统计学习理论在以后发展中一个有待研究的问题就是计算函数集的 VC 维。

2. 结构风险最小化原则
机器学习是根据给定的训练样本而尽可能准确预测未知输出的过程，是对系统输入输出之间依赖关系的估计，机器学习的表示如图 2-5 所示。

......................................

第 3 章 农资物流需求预测模型...................................................21
3.1 农资物流需求预测指标体系 ..............................................21
3.2 RS-SVM 的优势分析 .............................................24
3.3 SVM 工具箱选择 ..........................................25
3.4 RS-SVM 模型的预测流程 ...........................................26
3.5 农资物流需求预测模型建立 .......................................27
3.5.1 数据离散化.......................................27
3.5.2 属性约简......................................28
3.5.3 数据预处理................................................28
3.5.4 核函数及参数选择...................................................29
3.5.5 RS-SVM 模型的实现步骤 ............................................30
3.6 农资物流需求预测模型实例分析 .............................................30
3.6.1 基于 RS 的农资需求指标约简 ...........................................30
3.6.2 基于 RS-SVM 的潜在农资需求预测 .........................................31
3.7 本章小结 .........................................33

第 4 章 农资物流需求预测子系统的设计与实现

4.1 系统分析
4.1.1 系统需求分析
本课题以河北省自然科学基金项目“考虑潜在客户的农资车辆调度优化及其干扰管理研究（G2014402027）”和河北省科技支撑计划项目“面向区域的企业集群协同物流管理平台研究（12213522D）”为依托，旨在设计和实现农资物流需求预测子系统，主要完成河北省内农资物流需求预测研究。本文通过分析农资物流管理系统的现状，实事求是，调查农资物流需求预测子系统需求，分析其存在的问题以及业务流程等需求，在系统开发前对系统进行分析。目前农资物流配送管理方面的信息系统已经取得了一定成效，但在整体运作中也暴露了一些问题，如农资储备结构不合理、部分农资周转速度慢、农资资源利用效率较低等[61]。通过实际调查和理论分析，农资物流管理系统包括很多模块，目前已经实现分拣管理子系统、仓储管理子系统、资金结算子系统和系统管理子系统等模块的设计。本文使用 ASP.NET 技术实现了需求预测子系统和物流配送子系统的部分功能，独立性和开放性强，可以扩展到其他农资物流子系统中，从而完善农资物流管理系统。
本文通过对农资物流需求预测的研究和分析，可以实现农资物流需求预测，并且在准确预测出潜在订单时可以通知物流配送子系统做出相应的车辆出行路线调整，以达到配送周期短，配送成本低的目标。本文设计的农资物流需求预测模块实现了对农资全年需求量的预测和对某一区域的农资量预测，对农资全年需求量进行预测可以为企业生产提供更好的决策支持，而对某一区域的农资量预测可以提高企业效益和客户满意度，促进经济发展。对车辆出行路线的调整可以减少行车路程，缩短配送时间，能够更好的服务客户。
4.1.2 系统可行性分析
随着物流配送的快速发展，传统的物流配送模式已经不能满足现代物流发展的要求，物流行业共同面临的影响企业效益的问题是物流时间的长短、产品的库存量、市场的反应速度等。因此，为了帮助农资企业对物流配送的优化和控制，需要设计先进的农资物流管理系统，对物流过程中的农资需求以及突发状况等进行控制和管理，进一步提高农资企业的经济利益和企业效率[62]。
传统物流信息管理系统处理信息速度慢，不利于企业的发展，而农资企业的竞争在信息管理方面表现突出，发展客户资源需要收集、处理各种客户信息，调整和控制企业的业务流程，提高农资企业的管理效率等都离不开能够高效处理各类信息的农资物流管理系统。例如信息发布平台为农资物流企业提供各种动态、供求信息，还提供浏览、查询等功能，从而提高企业的经济效率，帮助企业了解更多的及时信息[62]。目前越来越多的企业注意到了农资物流管理系统的重要性，而农资物流需求管理系统的设计，使得农资企业结合农资信息管理系统和物流管理系统，有效的对农资物流进行调整，提高农资运输速度和企业经济效益，适应社会的发展趋势和市场需求，进而增加了农民收益，促进了农业发展。

4.2 系统设计
4.2.1 系统总体设计
根据系统的需求农资物流管理系统分为分拣管理子系统、仓储管理子系统、资金结算子系统、物流配送子系统、设备管理子系统、需求预测子系统和系统管理子系统等七个子系统[63]。系统架构如图 4-1 所示。

在农资物流管理系统中，分拣管理子系统的主要功能是：分拣统计信息查询、差错记录查询、硬件故障查询和实时监控；仓储管理子系统包括库存信息查询、库存分布情况查询、出入库信息查询以及实时监控；资金结算子系统包括预算管理、结算管理以及账目管理；物流配送子系统包括订单信息导入、车辆出行管理、车辆维修管理和客户满意度调查；设备管理子系统主要包括设备购进登记、设备报废登记、设备使用登记和维修登记；需求预测子系统主要包括全年农资需求预测和区域农资需求预测；系统管理子系统主要功能是基础数据维护、操作员管理、权限管理和系统日志查询。农资物流管理系统的功能模块如图 4-2 所示[63]。本文主要完成农资需求预测子系统和物流配送子系统的设计与实现。
..................................

总结与展望

农资需求量的多少关系着农资企业的经济利润，影响着农资物流配送行业的发展，而且农村的经济发展也离不开农资的支持，农资物流的需求是农资企业和农资物流行业发展的基础。本文利用粗糙集和支持向量机结合的方法构建了农资物流需求预测模型，然后设计并实现了农资物流需求预测子系统。本文完成的主要工作和取得的成果有：
（1）根据我国农资物流需求的特点和实际情况，选取农资物流需求预测的指标体系，然后结合粗糙集和支持向量机的优点，建立了基于 RS-SVM 的农资物流需求预测模型。本文使用基于遗传算法的粗糙集属性约简对农资物流需求预测的指标体系进行约简，将得到的属性作为支持向量机的输入属性，从而将 RS-SVM的组合模型用于农资物流需求预测模型中，并且以玉米种子为例验证了 RS-SVM预测模型的有效性。
（2）本文设计并实现了农资物流需求预测子系统，为企业的农资物流配送提供了一定的决策支持。对农资物流需求量进行准确的预测可以提前将潜在的订单装载在配送车辆上，减少配送周期和配送成本，进一步提高企业的经济效益，同时也提高客户满意度，在一定程度上也促进了农村的经济发展和国民经济的进步。
......................................
参考文献（略）