摘要：近年来厦门港口货物吞吐量迅猛增长,为了适应海西经济持续高速增长的需求, 对厦门港未来货物吞吐量进行科学预测显得尤为重要。本文建立了基于LM(Levenberg-Marquardt) 算法神经网络的厦门市港口吞吐量预测模型，通过吞吐量历史数据对厦门港口未来四年的吞吐量进行预测,从而为厦门港健康发展提供参考依据。

关键字：LM_BP神经网络  厦门市  港口货物吞吐量  预测

1.引言

在国家颁布的《物流业调整与振兴规划》中，已将厦门市列为全国九大物流发展区域之一和国家一级物流节点城市，厦门市“十二五”规划中又将其定位为六大支柱产业之一。厦门港正全力打造以远洋集装箱运输为主、大宗散货为辅的国际航运枢纽港。随着海西建设的不断推进，极大地推动了厦门港的快速发展，港口经济在厦门市经济发展中发挥着越来越重要的战略作用。

由于厦门港口吞吐量与其经济发展的紧密联系，港口吞吐量预测成为货运需求和经济发展关系研究中的一个重要问题。在港口的经营计划中,吞吐量计划是其他计划编制的基础，是制定厦门港口物流产业发展政策及物流基础设施规划的主要依据，同时也是保证港口物流供给、调整物流需求平衡、合理整合物流资源的基础。为了推动厦门港口物流业的发展，对未来港口物流需求进行科学预测显得尤为重要。

在现有文献中，常用的港口货物吞吐量预测方法包括时间序列方法[1]、指数平滑法[2,3]、回归分析法[4]、灰色预测方法[5-8]、系统动力学方法[9,10]和多种方法综合的组合预测方法[11-14]等。这些方法大都集中在对因果关系回归模型和时间序列模型的分析上，所建立的模型不能全面、科学和本质地反映所预测动态数据的内在结构和复杂特性，丢失了信息量。人工神经网络作为一种并行的计算模型，具有传统建模方法所不具备的很多优点：有很好的非线性映射能力，对被建模对象的先验知识要求不多，一般不必事先知道有关被建模对象的结构、参数、动态特征等方面的知识，只需给出对象的输入、输出数据，通过网络本身的学习功能就可以达到输入与输出的完全符合。

本文收集了厦门港口吞吐量历年数据，建立了基于LM (Levenberg-Marquardt)算法的神经网络预测模型。通过网络的训练，发现LM_BP神经网络优化模型预测精度比较高，能较好预测未来几年厦门港口的吞吐量。

2.LM_BP神经网络预测原理

BP 网络是一种多层前馈型神经网络，其调整网络权值的训练算法是误差反向传播学习算法，即BP学习算法。BP学习算法是Rumehart等在1986年提出的。自此以后，由于结构简单，可调参数多，训练算法多，可操控性好，BP神经网络获得了广泛的应用。