數據挖掘技術的農產品物流配送研究

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據挖掘技術的農產品物流配送研究范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:數據挖掘技術已廣泛應用于各行各業中，并產生了明顯的經濟效益，但應用在農產品物流配送方面的研究并不是很多?；诖?，以安徽省合肥市農產品物流配送作為研究對象，選取農產品物流配送過程中的影響因素，利用數據挖掘技術中的分類方法分析大量相關歷史數據，對農產品物流配送情況進行分析。最終得到農產品物流配送關聯分類規則，為農產品物流配送提供新策略，仿真驗證農產品物流配送新策略減少了配送時間，提高了配送效率。

關鍵詞:農產品物流配送;數據挖掘;貝葉斯網絡;TAN分類器;GRI算法

隨著人民物質生活水平的不斷提高，對鮮活農產品物流配送的要求也越來越高。國內外學者對此進行了很多研究。針對農產品物流配送問題，何有世等，羅慶等，范立南等構建農產品物流配送路徑優化模型并應用遺傳算法對其進行求解，以期起到改進優化的作用。［1－3］孫明明等構建農產品物流配送模型以期最終實現配送總成本最小化的目的。［4］張遜遜等建立農產品物流配送路徑決策模型以期最終實現區域農產品配送系統的節能減排。［5］P．Amorim等建立農產品物流配送多目標規劃模型對農產品易腐性在配送過程中的影響進行研究。［6］Lin，Choy等認為對農產品物流的研究，環境、生態和社會效應與經濟成本同等重要，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型的低碳路徑優化模型進行求解。［8］JohanVisser等認為在冷鏈農產品物流配送過程中需要注重品質服務，適當增加城市配送車輛的出行頻率，從而使生鮮農產品保質保量地及時配送到最終客戶手中。［9］上述國內外學者對農產品物流配送的研究多數為建立數學優化模型進行研究，數據挖掘技術雖已廣泛應用于各行各業中，并產生了明顯的經濟效益，但相關學者應用此技術在農產品物流配送方面的研究并不是很多，然而對于農產品物流配送而言，以往的大量的農產品物流配送歷史數據具有很大的研究價值。因此，筆者將采用數據挖掘技術中的分類方法對農產品物流配送進行分析，以期得到改進后的農產品物流配送策略。

1問題描述

隨著經濟的飛速發展，加速了人們對農產品的日常需求量，不僅包括對鮮活農產品數量的需求，還包括對鮮活農產品質量的要求，要求在最短的時間內對鮮活農產品進行運輸、配送及銷售整個完整的過程，最終直接送到消費者手中，因此對農產品物流配送環節的研究也至關重要。針對農產品物流配送研究程度的要求越來越深入，分析鮮活農產品物流配送過程中產生的以往大量的歷史數據，采用數據挖掘中的技術對農產品物流配送進行優化，選取農產品物流配送相關影響因素，利用數據挖掘技術中的分類方法對農產品物流配送的以往大量歷史數據進行分析，得出農產品物流配送關聯分類規則，進而應用于農產品物流配送中，據此得到農產品物流配送新策略，起到改進農產品物流配送經濟效益的作用。

2農產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間內的各區域的農產品物流配送情況作為實際研究案例，以此段時期內的農產品產量、農產品產值、非農業人口數、農業中間消耗合計、生產服務支出等數據作為研究對象，數據來源于安徽省合肥市統計年鑒。具體分析合肥市四區(瑤海區、廬陽區、蜀山區、包河區)、四縣(長豐縣、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品物流配送情況，以期得出相應的農產品物流配送規則，應用后起到改進農產品物流配送效益的作用。

2．2因素選取

農產品物流配送需要解決的問題是如何改進農產品物流配送效益，本文中具體為如何提高農產品物流配送過程中產生的社會消費品零售總額。文章先通過貝葉斯網絡中的TAN分類器分析農產品物流配送過程中各屬性與社會消費品零售總額之間的相互概率，再通過關聯規則GRI算法得到農產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，為未來應用此農產品物流配送規則提供保障性。農產品物流配送關聯分類規則本就不具備絕對的準確性，如此應用關聯分類規則中的GRI算法中的支持度和置信度，只是盡最大可能提高農產品物流配送關聯分類規則的應用可能性。在農產品物流配送眾多的影響因素中，有些因素對農產品物流配送是隨機性的，并無規律可循，也無直接的意義，所以并不列入因素選取范圍，然而針對一些對農產品物流配送過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、谷物產量、蔬菜產量、瓜果類產量、谷物及其他作物總產值、蔬菜(含菜用瓜)總產值、水果(含果用瓜)總產值、非農業人口數、農業中間消耗合計、物質消耗、生產服務支出等。

3農產品物流配送關聯分類過程

此次農產品物流配送分析過程應用數據挖掘中的TAN分類器及GRI算法兩種方法，對農產品物流配送的以往大量歷史數據進行分析。3．1TAN分類器過程TAN分類器過程具體的分類方法如下:(1)通過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()|c•logPxi，xj()|cPxi()|cPxj()|c(2)構造最大加權生成樹。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。(3)給定任意未知類別的實例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算法過程將該過程用程序形式描述會更清晰。程序描述如下:Fori=1tom//循環m個后項Forj=1toC(Yi)//循環第i個后項Yi的C(Yi)個類別Fork=1ton//循環第i個后項Yi的第j個類別的n個前項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算法最終生成關聯規則。通過應用TAN分類器及GRI算法兩種方法后得到農產品物流配送關聯分類規則，進而應用于農產品物流配送中，據此得到農產品物流配送新策略，起到改進農產品物流配送經濟效益的作用。

4農產品物流配送數據挖掘

4．1初始參數選取合肥市一段時間內的農產品物流配送情況作為實際研究案例，應用數據選取原理于該實際案例中，得到與此次數據挖掘密切相關的信息數據表，其內容包括如下:年份、區域、谷物產量、蔬菜產量、瓜果類產量、谷物及其他作物總產值、蔬菜(含菜用瓜)總產值、水果(含果用瓜)總產值、非農業人口數、農業中間消耗合計、物質消耗、生產服務支出等信息。4．2數據分析應用數據挖掘技術中的貝葉斯網絡和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品物流配送相關數據。完整的Clementine中的農產品物流配送模型如圖2所示，具體執行該農產品物流配送模型是通過對各項因素數據類型的確立，進而實現數據流的運行進行數據分析的。

5農產品物流配送仿真驗證

結合上述農產品物流配送模型獲取得到的關聯分類規則，對合肥市四區四縣一市中非農業人口數進行分析，得出2011－2015年安徽省合肥市生鮮農產品需求集中在以下四個區:瑤海區、廬陽區、蜀山區和包河區。同理，對合肥市四區四縣一市鮮活農產品中涉及的谷物產量、蔬菜產量、瓜果類產量進行分析，得出2011－2015年合肥市鮮活農產品供給廬江縣成為谷物供給的主要來源，肥東縣成為蔬菜供給的主要來源，長豐縣成為瓜果類供給的主要來源。從此可以得出合肥市各區縣市鮮活農產品供需的空間布局是不平衡的，說明合肥市整體鮮活農產品物流配送發展水平并不高。即整個配送系統效率不高，配送服務質量較低，說明合肥市鮮活農產品物流配送有優化的必要。

6結論

對合肥市四區四縣一市各個區域分別進行鮮活農產品物流配送情況統計分析，原農產品物流配送策略相對效率不高，運用數據挖掘技術中的分類方法進行分析，得到農產品物流配送模型關聯分類規則后并加以應用。最終得出結論大致如下:合肥市蜀山區與瑤海區谷物、瓜果的產量遠遠不能滿足自身的需求量，需要分別從廬江縣進行谷物配送調度，長豐縣進行瓜果配送調度，進而滿足各區域的農產品配送調度，最終成為合肥市配送效率相對較高的區域。針對合肥市農產品物流配送問題的研究，發現運用數據挖掘技術后得到的農產品物流配送新策略可以更加便于各區域的谷物、蔬菜、瓜果類產量與銷量之間的平衡調度，避免某一區域農產品的產量過剩浪費或需求量不足缺失導致的不利后果，能更有效的進行農產品物流配送調度，可基于此農產品物流配送關聯分類規則得出的結論，進一步進行農產品產銷平衡問題的深入研究。

參考文獻:

［1］何有世，馬騰飛．B2C環境下生鮮農產品物流配送路徑優化研究［J］．商業經濟研究，2017(5):93-95．

［2］羅慶，周軍．基于混合遺傳算法的農產品物流配送路徑優化［J］．江蘇農業科學，2017，45(12):174-177．

［3］范立南，董冬艷，李佳洋，劉闖，丁宇．基于生鮮農產品的冷鏈物流配送路徑優化［J］．沈陽大學學報(自然科學版)，2017，29(2):125-131．

［4］孫明明，張辰彥，林國龍，丁一．生鮮農產品冷鏈物流配送問題及其路徑優化［J］．江蘇農業科學，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品配送路徑決策［J］．長安大學學報(自然科學版)，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:安徽新華學院物流工程系