數據挖掘技術(shù)的農產(chǎn)品物流配送研究論文

　　摘要:數據挖掘技術(shù)已廣泛應用于各行各業(yè)中，并產(chǎn)生了明顯的經(jīng)濟效益，但應用在農產(chǎn)品物流配送方面的研究并不是很多�；�于此，以安徽省合肥市農產(chǎn)品物流配送作為研究對象，選取農產(chǎn)品物流配送過(guò)程中的影響因素，利用數據挖掘技術(shù)中的分類(lèi)方法分析大量相關(guān)歷史數據，對農產(chǎn)品物流配送情況進(jìn)行分析。最終得到農產(chǎn)品物流配送關(guān)聯(lián)分類(lèi)規則，為農產(chǎn)品物流配送提供新策略，仿真驗證農產(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:農產(chǎn)品物流配送;數據挖掘;貝葉斯網(wǎng)絡(luò );TAN分類(lèi)器;GＲI算法

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

　　1問(wèn)題描述

　　隨著(zhù)經(jīng)濟的飛速發(fā)展，加速了人們對農產(chǎn)品的日常需求量，不僅包括對鮮活農產(chǎn)品數量的需求，還包括對鮮活農產(chǎn)品質(zhì)量的要求，要求在最短的時(shí)間內對鮮活農產(chǎn)品進(jìn)行運輸、配送及銷(xiāo)售整個(gè)完整的過(guò)程，最終直接送到消費者手中，因此對農產(chǎn)品物流配送環(huán)節的研究也至關(guān)重要。針對農產(chǎn)品物流配送研究程度的要求越來(lái)越深入，分析鮮活農產(chǎn)品物流配送過(guò)程中產(chǎn)生的以往大量的歷史數據，采用數據挖掘中的技術(shù)對農產(chǎn)品物流配送進(jìn)行優(yōu)化，選取農產(chǎn)品物流配送相關(guān)影響因素，利用數據挖掘技術(shù)中的分類(lèi)方法對農產(chǎn)品物流配送的以往大量歷史數據進(jìn)行分析，得出農產(chǎn)品物流配送關(guān)聯(lián)分類(lèi)規則，進(jìn)而應用于農產(chǎn)品物流配送中，據此得到農產(chǎn)品物流配送新策略，起到改進(jìn)農產(chǎn)品物流配送經(jīng)濟效益的作用。

　　2農產(chǎn)品物流配送因素獲取

　　2．1數據選取

　　筆者選取安徽省合肥市一段時(shí)間內的各區域的農產(chǎn)品物流配送情況作為實(shí)際研究案例，以此段時(shí)期內的農產(chǎn)品產(chǎn)量、農產(chǎn)品產(chǎn)值、非農業(yè)人口數、農業(yè)中間消耗合計、生產(chǎn)服務(wù)支出等數據作為研究對象，數據來(lái)源于安徽省合肥市統計年鑒。具體分析合肥市四區(瑤海區、廬陽(yáng)區、蜀山區、包河區)、四縣(長(cháng)豐縣、肥西縣、肥東縣、廬江縣)、一市(巢湖市)在2011年到2015年期間的所有區域農產(chǎn)品物流配送情況，以期得出相應的農產(chǎn)品物流配送規則，應用后起到改進(jìn)農產(chǎn)品物流配送效益的作用。

　　2．2因素選取

　　農產(chǎn)品物流配送需要解決的問(wèn)題是如何改進(jìn)農產(chǎn)品物流配送效益，本文中具體為如何提高農產(chǎn)品物流配送過(guò)程中產(chǎn)生的社會(huì )消費品零售總額。文章先通過(guò)貝葉斯網(wǎng)絡(luò )中的TAN分類(lèi)器分析農產(chǎn)品物流配送過(guò)程中各屬性與社會(huì )消費品零售總額之間的相互概率，再通過(guò)關(guān)聯(lián)規則GＲI算法得到農產(chǎn)品物流配送的可能規則加入規則集中，其中選取支持度與置信度均高的規則應用于以后可能的農產(chǎn)品物流配送情況，如此可得到高支持度和高置信度的規則，為未來(lái)應用此農產(chǎn)品物流配送規則提供保障性。農產(chǎn)品物流配送關(guān)聯(lián)分類(lèi)規則本就不具備絕對的準確性，如此應用關(guān)聯(lián)分類(lèi)規則中的GＲI算法中的支持度和置信度，只是盡最大可能提高農產(chǎn)品物流配送關(guān)聯(lián)分類(lèi)規則的應用可能性。在農產(chǎn)品物流配送眾多的影響因素中，有些因素對農產(chǎn)品物流配送是隨機性的，并無(wú)規律可循，也無(wú)直接的意義，所以并不列入因素選取范圍，然而針對一些對農產(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、區域、谷物產(chǎn)量、蔬菜產(chǎn)量、瓜果類(lèi)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、非農業(yè)人口數、農業(yè)中間消耗合計、物質(zhì)消耗、生產(chǎn)服務(wù)支出等。

　　3農產(chǎn)品物流配送關(guān)聯(lián)分類(lèi)過(guò)程

　　此次農產(chǎn)品物流配送分析過(guò)程應用數據挖掘中的TAN分類(lèi)器及GＲI算法兩種方法，對農產(chǎn)品物流配送的以往大量歷史數據進(jìn)行分析。3．1TAN分類(lèi)器過(guò)程TAN分類(lèi)器過(guò)程具體的分類(lèi)方法如下:(1)通過(guò)訓練集計算每一對屬性之間的條件互信息，IXi，Xj()|C，i≠j，IXi;Xj()|C=∑xi，xj，cPxi，xj()|clogPxi，xj()|cPxi()|cPxj()|c(2)構造最大加權生成樹(shù)。遵照選擇的邊不能構成回路的原則，按照邊的權重由大到小的順序選擇邊，構成最大權重跨度樹(shù)。(3)給定任意未知類(lèi)別的實(shí)例xi1，xi2(，…，x)in，根據貝葉斯公式，計算后驗概率P(cj|xi1，xi2，…，xin)，選擇使后驗概率最大的類(lèi)標簽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Forj=1toC(Yi)//循環(huán)第i個(gè)后項Yi的C(Yi)個(gè)類(lèi)別Fork=1ton//循環(huán)第i個(gè)后項Yi的第j個(gè)類(lèi)別的n個(gè)前項IfXk類(lèi)型=分類(lèi)型ThenS=C(Xk)EndIf//Xk為分類(lèi)型則分為C(Xk)組IfXk類(lèi)型=數值型ThenS=2EndIf//Xk為數值型則分為兩組Fori=1toSIfJ－值大于相同輸出下J－值的最大值，或規則數目小于指定生成的規則數且支持度和置信度均大于闕值Then生成一條推理規則EndIfEndForEndForEndForEndForGＲI算法最終生成關(guān)聯(lián)規則。通過(guò)應用TAN分類(lèi)器及GＲI算法兩種方法后得到農產(chǎn)品物流配送關(guān)聯(lián)分類(lèi)規則，進(jìn)而應用于農產(chǎn)品物流配送中，據此得到農產(chǎn)品物流配送新策略，起到改進(jìn)農產(chǎn)品物流配送經(jīng)濟效益的作用。

　　4農產(chǎn)品物流配送數據挖掘

　　4．1初始參數選取合肥市一段時(shí)間內的農產(chǎn)品物流配送情況作為實(shí)際研究案例，應用數據選取原理于該實(shí)際案例中，得到與此次數據挖掘密切相關(guān)的信息數據表，其內容包括如下:年份、區域、谷物產(chǎn)量、蔬菜產(chǎn)量、瓜果類(lèi)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、非農業(yè)人口數、農業(yè)中間消耗合計、物質(zhì)消耗、生產(chǎn)服務(wù)支出等信息。4．2數據分析應用數據挖掘技術(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域鮮活農產(chǎn)品物流配送相關(guān)數據。完整的Clementine中的農產(chǎn)品物流配送模型如圖2所示，具體執行該農產(chǎn)品物流配送模型是通過(guò)對各項因素數據類(lèi)型的確立，進(jìn)而實(shí)現數據流的運行進(jìn)行數據分析的。

　　5農產(chǎn)品物流配送仿真驗證

　　結合上述農產(chǎn)品物流配送模型獲取得到的關(guān)聯(lián)分類(lèi)規則，對合肥市四區四縣一市中非農業(yè)人口數進(jìn)行分析，得出2011－2015年安徽省合肥市生鮮農產(chǎn)品需求集中在以下四個(gè)區:瑤海區、廬陽(yáng)區、蜀山區和包河區。同理，對合肥市四區四縣一市鮮活農產(chǎn)品中涉及的谷物產(chǎn)量、蔬菜產(chǎn)量、瓜果類(lèi)產(chǎn)量進(jìn)行分析，得出2011－2015年合肥市鮮活農產(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(cháng)豐縣成為瓜果類(lèi)供給的主要來(lái)源。從此可以得出合肥市各區縣市鮮活農產(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產(chǎn)品物流配送發(fā)展水平并不高。即整個(gè)配送系統效率不高，配送服務(wù)質(zhì)量較低，說(shuō)明合肥市鮮活農產(chǎn)品物流配送有優(yōu)化的必要。

　　6結論

　　對合肥市四區四縣一市各個(gè)區域分別進(jìn)行鮮活農產(chǎn)品物流配送情況統計分析，原農產(chǎn)品物流配送策略相對效率不高，運用數據挖掘技術(shù)中的分類(lèi)方法進(jìn)行分析，得到農產(chǎn)品物流配送模型關(guān)聯(lián)分類(lèi)規則后并加以應用。最終得出結論大致如下:合肥市蜀山區與瑤海區谷物、瓜果的產(chǎn)量遠遠不能滿(mǎn)足自身的需求量，需要分別從廬江縣進(jìn)行谷物配送調度，長(cháng)豐縣進(jìn)行瓜果配送調度，進(jìn)而滿(mǎn)足各區域的農產(chǎn)品配送調度，最終成為合肥市配送效率相對較高的區域。針對合肥市農產(chǎn)品物流配送問(wèn)題的研究，發(fā)現運用數據挖掘技術(shù)后得到的農產(chǎn)品物流配送新策略可以更加便于各區域的谷物、蔬菜、瓜果類(lèi)產(chǎn)量與銷(xiāo)量之間的平衡調度，避免某一區域農產(chǎn)品的產(chǎn)量過(guò)剩浪費或需求量不足缺失導致的不利后果，能更有效的進(jìn)行農產(chǎn)品物流配送調度，可基于此農產(chǎn)品物流配送關(guān)聯(lián)分類(lèi)規則得出的結論，進(jìn)一步進(jìn)行農產(chǎn)品產(chǎn)銷(xiāo)平衡問(wèn)題的深入研究。

　　參考文獻:

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

　�。�2］羅慶，周軍．基于混合遺傳算法的農產(chǎn)品物流配送路徑優(yōu)化［J］．江蘇農業(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(自然科學(xué)版)，2017，29(2):125-131．

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

　�。�5］張遜遜，許宏科，于加晴．融合PM2．5排放量和運輸路程的區域農產(chǎn)品配送路徑?jīng)Q策［J］．長(cháng)安大學(xué)學(xué)報(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．

【數據挖掘技術(shù)的農產(chǎn)品物流配送研究論文】相關(guān)文章：

計算機畢業(yè)論文--數據挖掘技術(shù)研究09-10

數據挖掘技術(shù)工程管理論文07-14

空間數據挖掘技術(shù)研究分析08-22

基于愛(ài)好的電子商務(wù)數據挖掘技術(shù)的研究06-13

數據挖掘技術(shù)在機房信息管理的運用論文08-25

數據挖掘的論文參考文獻10-14

數據挖掘論文參考文獻09-16

數據庫安全技術(shù)與管理的研究論文06-30

數據挖掘技術(shù)在ＣＲＭ中的應用09-20

基于數據挖掘的差異化車(chē)險收入管理研究論文10-17