數(shù)據(jù)挖掘技術(shù)的農(nóng)產(chǎn)品物流配送研究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數(shù)據(jù)挖掘技術(shù)的農(nóng)產(chǎn)品物流配送研究范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要:數(shù)據(jù)挖掘技術(shù)已廣泛應(yīng)用于各行各業(yè)中，并產(chǎn)生了明顯的經(jīng)濟(jì)效益，但應(yīng)用在農(nóng)產(chǎn)品物流配送方面的研究并不是很多?；诖?，以安徽省合肥市農(nóng)產(chǎn)品物流配送作為研究對(duì)象，選取農(nóng)產(chǎn)品物流配送過(guò)程中的影響因素，利用數(shù)據(jù)挖掘技術(shù)中的分類方法分析大量相關(guān)歷史數(shù)據(jù)，對(duì)農(nóng)產(chǎn)品物流配送情況進(jìn)行分析。最終得到農(nóng)產(chǎn)品物流配送關(guān)聯(lián)分類規(guī)則，為農(nóng)產(chǎn)品物流配送提供新策略，仿真驗(yàn)證農(nóng)產(chǎn)品物流配送新策略減少了配送時(shí)間，提高了配送效率。

關(guān)鍵詞:農(nóng)產(chǎn)品物流配送;數(shù)據(jù)挖掘;貝葉斯網(wǎng)絡(luò);TAN分類器;GRI算法

隨著人民物質(zhì)生活水平的不斷提高，對(duì)鮮活農(nóng)產(chǎn)品物流配送的要求也越來(lái)越高。國(guó)內(nèi)外學(xué)者對(duì)此進(jìn)行了很多研究。針對(duì)農(nóng)產(chǎn)品物流配送問(wèn)題，何有世等，羅慶等，范立南等構(gòu)建農(nóng)產(chǎn)品物流配送路徑優(yōu)化模型并應(yīng)用遺傳算法對(duì)其進(jìn)行求解，以期起到改進(jìn)優(yōu)化的作用。［1－3］孫明明等構(gòu)建農(nóng)產(chǎn)品物流配送模型以期最終實(shí)現(xiàn)配送總成本最小化的目的。［4］張遜遜等建立農(nóng)產(chǎn)品物流配送路徑?jīng)Q策模型以期最終實(shí)現(xiàn)區(qū)域農(nóng)產(chǎn)品配送系統(tǒng)的節(jié)能減排。［5］P．Amorim等建立農(nóng)產(chǎn)品物流配送多目標(biāo)規(guī)劃模型對(duì)農(nóng)產(chǎn)品易腐性在配送過(guò)程中的影響進(jìn)行研究。［6］Lin，Choy等認(rèn)為對(duì)農(nóng)產(chǎn)品物流的研究，環(huán)境、生態(tài)和社會(huì)效應(yīng)與經(jīng)濟(jì)成本同等重要，需綜合考慮各方面的因素。［7］Kwon等采用禁忌搜索算法對(duì)多車型的低碳路徑優(yōu)化模型進(jìn)行求解。［8］JohanVisser等認(rèn)為在冷鏈農(nóng)產(chǎn)品物流配送過(guò)程中需要注重品質(zhì)服務(wù)，適當(dāng)增加城市配送車輛的出行頻率，從而使生鮮農(nóng)產(chǎn)品保質(zhì)保量地及時(shí)配送到最終客戶手中。［9］上述國(guó)內(nèi)外學(xué)者對(duì)農(nóng)產(chǎn)品物流配送的研究多數(shù)為建立數(shù)學(xué)優(yōu)化模型進(jìn)行研究，數(shù)據(jù)挖掘技術(shù)雖已廣泛應(yīng)用于各行各業(yè)中，并產(chǎn)生了明顯的經(jīng)濟(jì)效益，但相關(guān)學(xué)者應(yīng)用此技術(shù)在農(nóng)產(chǎn)品物流配送方面的研究并不是很多，然而對(duì)于農(nóng)產(chǎn)品物流配送而言，以往的大量的農(nóng)產(chǎn)品物流配送歷史數(shù)據(jù)具有很大的研究?jī)r(jià)值。因此，筆者將采用數(shù)據(jù)挖掘技術(shù)中的分類方法對(duì)農(nóng)產(chǎn)品物流配送進(jìn)行分析，以期得到改進(jìn)后的農(nóng)產(chǎn)品物流配送策略。

1問(wèn)題描述

隨著經(jīng)濟(jì)的飛速發(fā)展，加速了人們對(duì)農(nóng)產(chǎn)品的日常需求量，不僅包括對(duì)鮮活農(nóng)產(chǎn)品數(shù)量的需求，還包括對(duì)鮮活農(nóng)產(chǎn)品質(zhì)量的要求，要求在最短的時(shí)間內(nèi)對(duì)鮮活農(nóng)產(chǎn)品進(jìn)行運(yùn)輸、配送及銷售整個(gè)完整的過(guò)程，最終直接送到消費(fèi)者手中，因此對(duì)農(nóng)產(chǎn)品物流配送環(huán)節(jié)的研究也至關(guān)重要。針對(duì)農(nóng)產(chǎn)品物流配送研究程度的要求越來(lái)越深入，分析鮮活農(nóng)產(chǎn)品物流配送過(guò)程中產(chǎn)生的以往大量的歷史數(shù)據(jù)，采用數(shù)據(jù)挖掘中的技術(shù)對(duì)農(nóng)產(chǎn)品物流配送進(jìn)行優(yōu)化，選取農(nóng)產(chǎn)品物流配送相關(guān)影響因素，利用數(shù)據(jù)挖掘技術(shù)中的分類方法對(duì)農(nóng)產(chǎn)品物流配送的以往大量歷史數(shù)據(jù)進(jìn)行分析，得出農(nóng)產(chǎn)品物流配送關(guān)聯(lián)分類規(guī)則，進(jìn)而應(yīng)用于農(nóng)產(chǎn)品物流配送中，據(jù)此得到農(nóng)產(chǎn)品物流配送新策略，起到改進(jìn)農(nóng)產(chǎn)品物流配送經(jīng)濟(jì)效益的作用。

2農(nóng)產(chǎn)品物流配送因素獲取

2．1數(shù)據(jù)選取

筆者選取安徽省合肥市一段時(shí)間內(nèi)的各區(qū)域的農(nóng)產(chǎn)品物流配送情況作為實(shí)際研究案例，以此段時(shí)期內(nèi)的農(nóng)產(chǎn)品產(chǎn)量、農(nóng)產(chǎn)品產(chǎn)值、非農(nóng)業(yè)人口數(shù)、農(nóng)業(yè)中間消耗合計(jì)、生產(chǎn)服務(wù)支出等數(shù)據(jù)作為研究對(duì)象，數(shù)據(jù)來(lái)源于安徽省合肥市統(tǒng)計(jì)年鑒。具體分析合肥市四區(qū)(瑤海區(qū)、廬陽(yáng)區(qū)、蜀山區(qū)、包河區(qū))、四縣(長(zhǎng)豐縣、肥西縣、肥東縣、廬江縣)、一市(巢湖市)在2011年到2015年期間的所有區(qū)域農(nóng)產(chǎn)品物流配送情況，以期得出相應(yīng)的農(nóng)產(chǎn)品物流配送規(guī)則，應(yīng)用后起到改進(jìn)農(nóng)產(chǎn)品物流配送效益的作用。

2．2因素選取

農(nóng)產(chǎn)品物流配送需要解決的問(wèn)題是如何改進(jìn)農(nóng)產(chǎn)品物流配送效益，本文中具體為如何提高農(nóng)產(chǎn)品物流配送過(guò)程中產(chǎn)生的社會(huì)消費(fèi)品零售總額。文章先通過(guò)貝葉斯網(wǎng)絡(luò)中的TAN分類器分析農(nóng)產(chǎn)品物流配送過(guò)程中各屬性與社會(huì)消費(fèi)品零售總額之間的相互概率，再通過(guò)關(guān)聯(lián)規(guī)則GRI算法得到農(nóng)產(chǎn)品物流配送的可能規(guī)則加入規(guī)則集中，其中選取支持度與置信度均高的規(guī)則應(yīng)用于以后可能的農(nóng)產(chǎn)品物流配送情況，如此可得到高支持度和高置信度的規(guī)則，為未來(lái)應(yīng)用此農(nóng)產(chǎn)品物流配送規(guī)則提供保障性。農(nóng)產(chǎn)品物流配送關(guān)聯(lián)分類規(guī)則本就不具備絕對(duì)的準(zhǔn)確性，如此應(yīng)用關(guān)聯(lián)分類規(guī)則中的GRI算法中的支持度和置信度，只是盡最大可能提高農(nóng)產(chǎn)品物流配送關(guān)聯(lián)分類規(guī)則的應(yīng)用可能性。在農(nóng)產(chǎn)品物流配送眾多的影響因素中，有些因素對(duì)農(nóng)產(chǎn)品物流配送是隨機(jī)性的，并無(wú)規(guī)律可循，也無(wú)直接的意義，所以并不列入因素選取范圍，然而針對(duì)一些對(duì)農(nóng)產(chǎn)品物流配送過(guò)程中起到重要影響的因素要加以分析，確定是否列入選取因素。本文選取的因素介紹如下:年份、區(qū)域、谷物產(chǎn)量、蔬菜產(chǎn)量、瓜果類產(chǎn)量、谷物及其他作物總產(chǎn)值、蔬菜(含菜用瓜)總產(chǎn)值、水果(含果用瓜)總產(chǎn)值、非農(nóng)業(yè)人口數(shù)、農(nóng)業(yè)中間消耗合計(jì)、物質(zhì)消耗、生產(chǎn)服務(wù)支出等。

3農(nóng)產(chǎn)品物流配送關(guān)聯(lián)分類過(guò)程

此次農(nóng)產(chǎn)品物流配送分析過(guò)程應(yīng)用數(shù)據(jù)挖掘中的TAN分類器及GRI算法兩種方法，對(duì)農(nóng)產(chǎn)品物流配送的以往大量歷史數(shù)據(jù)進(jìn)行分析。3．1TAN分類器過(guò)程TAN分類器過(guò)程具體的分類方法如下:(1)通過(guò)訓(xùn)練集計(jì)算每一對(duì)屬性之間的條件互信息，IXi，Xj()|C，i≠j，IXi;Xj()|C=∑xi，xj，cPxi，xj()|c•logPxi，xj()|cPxi()|cPxj()|c(2)構(gòu)造最大加權(quán)生成樹。遵照選擇的邊不能構(gòu)成回路的原則，按照邊的權(quán)重由大到小的順序選擇邊，構(gòu)成最大權(quán)重跨度樹。(3)給定任意未知類別的實(shí)例xi1，xi2(，…，x)in，根據(jù)貝葉斯公式，計(jì)算后驗(yàn)概率P(cj|xi1，xi2，…，xin)，選擇使后驗(yàn)概率最大的類標(biāo)簽c*:c*=argmaxcj∈CP(xi1，xi2，…，xin|cj)×P(cj)P(xi1，xi2，…，xin)=argmaxcj∈CP(xi1，xi2，…，xin|cj)×P(cj)=argmaxcj∈CP(cj)×∏nk=1P(xik|∏xik)3．2GRI算法過(guò)程將該過(guò)程用程序形式描述會(huì)更清晰。程序描述如下:Fori=1tom//循環(huán)m個(gè)后項(xiàng)Forj=1toC(Yi)//循環(huán)第i個(gè)后項(xiàng)Yi的C(Yi)個(gè)類別Fork=1ton//循環(huán)第i個(gè)后項(xiàng)Yi的第j個(gè)類別的n個(gè)前項(xiàng)IfXk類型=分類型ThenS=C(Xk)EndIf//Xk為分類型則分為C(Xk)組IfXk類型=數(shù)值型ThenS=2EndIf//Xk為數(shù)值型則分為兩組Fori=1toSIfJ－值大于相同輸出下J－值的最大值，或規(guī)則數(shù)目小于指定生成的規(guī)則數(shù)且支持度和置信度均大于闕值Then生成一條推理規(guī)則EndIfEndForEndForEndForEndForGRI算法最終生成關(guān)聯(lián)規(guī)則。通過(guò)應(yīng)用TAN分類器及GRI算法兩種方法后得到農(nóng)產(chǎn)品物流配送關(guān)聯(lián)分類規(guī)則，進(jìn)而應(yīng)用于農(nóng)產(chǎn)品物流配送中，據(jù)此得到農(nóng)產(chǎn)品物流配送新策略，起到改進(jìn)農(nóng)產(chǎn)品物流配送經(jīng)濟(jì)效益的作用。

4農(nóng)產(chǎn)品物流配送數(shù)據(jù)挖掘

4．1初始參數(shù)選取合肥市一段時(shí)間內(nèi)的農(nóng)產(chǎn)品物流配送情況作為實(shí)際研究案例，應(yīng)用數(shù)據(jù)選取原理于該實(shí)際案例中，得到與此次數(shù)據(jù)挖掘密切相關(guān)的信息數(shù)據(jù)表，其內(nèi)容包括如下:年份、區(qū)域、谷物產(chǎn)量、蔬菜產(chǎn)量、瓜果類產(chǎn)量、谷物及其他作物總產(chǎn)值、蔬菜(含菜用瓜)總產(chǎn)值、水果(含果用瓜)總產(chǎn)值、非農(nóng)業(yè)人口數(shù)、農(nóng)業(yè)中間消耗合計(jì)、物質(zhì)消耗、生產(chǎn)服務(wù)支出等信息。4．2數(shù)據(jù)分析應(yīng)用數(shù)據(jù)挖掘技術(shù)中的貝葉斯網(wǎng)絡(luò)和GRI算法兩種方法，分析表1中的2011年到2015年期間的安徽省合肥市所有區(qū)域鮮活農(nóng)產(chǎn)品物流配送相關(guān)數(shù)據(jù)。完整的Clementine中的農(nóng)產(chǎn)品物流配送模型如圖2所示，具體執(zhí)行該農(nóng)產(chǎn)品物流配送模型是通過(guò)對(duì)各項(xiàng)因素?cái)?shù)據(jù)類型的確立，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)流的運(yùn)行進(jìn)行數(shù)據(jù)分析的。

5農(nóng)產(chǎn)品物流配送仿真驗(yàn)證

結(jié)合上述農(nóng)產(chǎn)品物流配送模型獲取得到的關(guān)聯(lián)分類規(guī)則，對(duì)合肥市四區(qū)四縣一市中非農(nóng)業(yè)人口數(shù)進(jìn)行分析，得出2011－2015年安徽省合肥市生鮮農(nóng)產(chǎn)品需求集中在以下四個(gè)區(qū):瑤海區(qū)、廬陽(yáng)區(qū)、蜀山區(qū)和包河區(qū)。同理，對(duì)合肥市四區(qū)四縣一市鮮活農(nóng)產(chǎn)品中涉及的谷物產(chǎn)量、蔬菜產(chǎn)量、瓜果類產(chǎn)量進(jìn)行分析，得出2011－2015年合肥市鮮活農(nóng)產(chǎn)品供給廬江縣成為谷物供給的主要來(lái)源，肥東縣成為蔬菜供給的主要來(lái)源，長(zhǎng)豐縣成為瓜果類供給的主要來(lái)源。從此可以得出合肥市各區(qū)縣市鮮活農(nóng)產(chǎn)品供需的空間布局是不平衡的，說(shuō)明合肥市整體鮮活農(nóng)產(chǎn)品物流配送發(fā)展水平并不高。即整個(gè)配送系統(tǒng)效率不高，配送服務(wù)質(zhì)量較低，說(shuō)明合肥市鮮活農(nóng)產(chǎn)品物流配送有優(yōu)化的必要。

6結(jié)論

對(duì)合肥市四區(qū)四縣一市各個(gè)區(qū)域分別進(jìn)行鮮活農(nóng)產(chǎn)品物流配送情況統(tǒng)計(jì)分析，原農(nóng)產(chǎn)品物流配送策略相對(duì)效率不高，運(yùn)用數(shù)據(jù)挖掘技術(shù)中的分類方法進(jìn)行分析，得到農(nóng)產(chǎn)品物流配送模型關(guān)聯(lián)分類規(guī)則后并加以應(yīng)用。最終得出結(jié)論大致如下:合肥市蜀山區(qū)與瑤海區(qū)谷物、瓜果的產(chǎn)量遠(yuǎn)遠(yuǎn)不能滿足自身的需求量，需要分別從廬江縣進(jìn)行谷物配送調(diào)度，長(zhǎng)豐縣進(jìn)行瓜果配送調(diào)度，進(jìn)而滿足各區(qū)域的農(nóng)產(chǎn)品配送調(diào)度，最終成為合肥市配送效率相對(duì)較高的區(qū)域。針對(duì)合肥市農(nóng)產(chǎn)品物流配送問(wèn)題的研究，發(fā)現(xiàn)運(yùn)用數(shù)據(jù)挖掘技術(shù)后得到的農(nóng)產(chǎn)品物流配送新策略可以更加便于各區(qū)域的谷物、蔬菜、瓜果類產(chǎn)量與銷量之間的平衡調(diào)度，避免某一區(qū)域農(nóng)產(chǎn)品的產(chǎn)量過(guò)剩浪費(fèi)或需求量不足缺失導(dǎo)致的不利后果，能更有效的進(jìn)行農(nóng)產(chǎn)品物流配送調(diào)度，可基于此農(nóng)產(chǎn)品物流配送關(guān)聯(lián)分類規(guī)則得出的結(jié)論，進(jìn)一步進(jìn)行農(nóng)產(chǎn)品產(chǎn)銷平衡問(wèn)題的深入研究。

參考文獻(xiàn):

［1］何有世，馬騰飛．B2C環(huán)境下生鮮農(nóng)產(chǎn)品物流配送路徑優(yōu)化研究［J］．商業(yè)經(jīng)濟(jì)研究，2017(5):93-95．

［2］羅慶，周軍．基于混合遺傳算法的農(nóng)產(chǎn)品物流配送路徑優(yōu)化［J］．江蘇農(nóng)業(yè)科學(xué)，2017，45(12):174-177．

［3］范立南，董冬艷，李佳洋，劉闖，丁宇．基于生鮮農(nóng)產(chǎn)品的冷鏈物流配送路徑優(yōu)化［J］．沈陽(yáng)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2017，29(2):125-131．

［4］孫明明，張辰彥，林國(guó)龍，丁一．生鮮農(nóng)產(chǎn)品冷鏈物流配送問(wèn)題及其路徑優(yōu)化［J］．江蘇農(nóng)業(yè)科學(xué)，2017，45(1):282-285．

［5］張遜遜，許宏科，于加晴．融合PM2．5排放量和運(yùn)輸路程的區(qū)域農(nóng)產(chǎn)品配送路徑?jīng)Q策［J］．長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2017，37(2):99-106．

［6］PAmorim，BAlmada-Lobo．Theimpactoffoodperishabilityissuesinthevehicleroutingproblem［J］．Computers＆Indus-trialEngineering．2014，67(1):223-233．

［7］CanhongLin，KL．Choy，G．T．S．HO，S．H．Chung，H．Y．Larn．Surveyofgreenvehicleroutingproblem:pastandfuturetrends［J］．ExpertSystemswithApplications，2014，41(4):1118-1138．

［8］Yong－YuKwon，Yong－JaeChoi，DongHoLee．Heterogeneousfixedfleetvehicleroutingconsideringcarbonemission［J］．TransportationResearchPartD:TransportandEnvironment，2013，23:81-89．

［9］JohamVisser，ToshiuoriNemoto，MichaneBrownt．Homekeliveryandtheimpactsonurbanfreighttransport:Areview［J］．Procedia–SocialandBehavioralSciences，2014，125(6):15-27．

作者:楊露 趙伶珊 莊小云 單位:安徽新華學(xué)院物流工程系