物流园区物流量处理能力分析与计算
物流园区用地规模相关计算标准
物流园区规划的推荐性指标 货运服务型
指标值
指标
指标单位
备注
空港型
海港型
陆港型
投资强度
万元 / 亩
≥ 100
2
园区物流强度 万吨 /Km . 年
≥ 50
≥ 120 ≥ 1000
≥ 80 ≥ 500
推荐性要求
生产服务型
指标
指标单位
B3/B5:C 分拨 / 快递：所有货物
推荐值 ≥1.7t/m 2 ≥0.8t/m 2 ≥4.2t/m 2 ≥0.9t/m 2 ≥1.5t/m 2
≥1.1t/m 2
≥1.1t/m 2 ≥1.1t/m 2 ≥1.2t/m 2 ≥1.2t/m 2 ≥12.5t/m 2 ≥2.0t/m 2 ≥1.1t/m 2 ≥0.4TEU/m2 ≥0.2TEU/m2
指标值
备注
投资强度 园区物流强度
万元 / 亩
万吨
2
/Km .
年
≥ 80 ≥ 150
推荐性要求
贸易服务型
指标
指标单位
指标值
备注
投资强度 园区物流强度
万元 / 亩 万吨 /Km2. 年
≥ 60 ≥１00推荐性要求综源自服务型指标指标单位
指标值
备注
投资强度 （基础设施） 园区物流强度
万元 / 亩 万吨 /Km2. 年
≥ 250 ≥ 300
推荐性要求
C1 C2 C3 C4 C5
C6
C7 C8 C9 C10 C11 C12 C13 C13.1 C13.2
货物单位面积堆存量控制标准 类型及代码 粮油类产品 水果蔬菜类、肉类、蛋类及水产品 钢铁材料 交通运输设备和机械装备零配件 纸张及纸制产品 食品烟酒、日用百货、家用电器、纺织及皮革工 业品 电气、电子、通讯产品 药材及医药产品 家具、建筑装饰材料、木材及木制品 非金属矿物产品、化学工业产品 矿物性建筑材料 盐 集装箱 集装箱空箱 集装箱重箱
物流园区服务与评估指标
运输服务
总结词
提供快速、可靠的货物运输服务
详细描述
物流园区通过整合多种运输方式，如公路、铁路、水路和航空等，为货物提供高效、可靠的运输服务。这些服务 确保货物能够按时到达目的地，满足客户的需求。
提高能源利用效率
采用节能技术和设备，降低能源消耗和碳排放。
实施废弃物分类处理
建立废弃物分类处理机制，促进废弃物的资源化利用。
05 物流园区评估指标应用案例
某物流园区的服务质量评估
总结词
该物流园区通过评估指标体系，全面提 升了服务质量。
VS
详细描述
该物流园区采用了包括响应时间、货物准 确率、投诉处理等在内的多项评估指标， 对服务质量进行了全面评估。通过定期检 查和持续改进，园区的整体服务质量得到 了显著提升，客户满意度也随之提高。
提供24小时在线服务，及时响应客户需求，确保客户满意度。
提升员工素质
定期开展员工培训，提高员工的服务意识和专业水平。
优化服务流程
简化操作流程，提高服务效率，降低客户等待时间。
提升运营效率
1 2
引入先进的信息技术
利用物联网、大数据、人工智能等技术提高运营 效率。
优化仓储布局
合理规划仓库布局，减少货物搬运距离，降低运 营成本。
环境影响评估指标
能耗与碳排放
01
评估物流园区在运营过程中的能耗和碳排放量，关注绿色环保。
噪音与震动
02
检测物流园区在运输、装卸等过程中产生的噪音和震动，确保
符合环保标准。
废弃物处理
03
评估物流园区对废弃物的处理能力，包括废弃物分类、回收和
物流产业园物流部门数据分析总结与计划
物流产业园物流部门数据分析总结与计划一、数据分析总结物流产业园的物流部门是关键的运营环节，通过对数据的全面分析可以了解业务情况、发现问题，并制定合理的计划来提升物流效率和服务质量。
本文将对物流部门的数据进行分析总结，并提出未来的发展计划。
1. 进货与出货数据分析根据过去一年的数据分析，物流部门的进货和出货量均呈现稳定增长态势。
其中，进货量主要集中在周一至周五，且集中在早上8点至10点和下午2点至4点之间。
出货量则主要分布在周一至周六，尤其以周五和周六为高峰。
通过数据分析，可以发现进货和出货的高峰期，有助于优化配送计划和资源调度。
2. 运输工具利用率分析对物流部门的运输工具利用率进行分析显示，在高峰期时，运输工具利用率有所下降，且有一定的闲置情况。
这可能是由于配送计划安排不合理，导致部分运输工具的利用率低下。
因此，对运输工具的调度和利用进行优化，可以有效降低运输成本，提升物流效率。
3. 仓储设备利用率分析物流部门的仓储设备利用率是保障货物安全和高效储存的关键指标。
通过对仓储设备利用率的分析，可以了解各种设备的使用情况，进而针对利用率较低的设备采取措施进行改进。
此外，还可以通过数据分析预测商品需求，合理规划仓储设备的使用，以提高整体仓储效率。
4. 员工绩效与业务状况关联分析员工的工作绩效与物流部门的业务状况息息相关。
通过对员工绩效与业务状况的关联分析，可以发现业务瓶颈和不足之处，并对员工进行培训和激励，以提升整体绩效。
同时，也可以通过激励措施来提高员工的工作积极性，进而提高物流部门的运营效率。
二、发展计划基于以上数据分析总结，提出以下物流产业园物流部门的发展计划：1. 优化配送计划根据进货与出货数据分析结果，合理安排车辆和人力资源，以满足高峰期的需求。
可以采用智能调度系统，实时掌握运输工具和人员的位置和状态，提高调度效率。
2. 提升运输工具利用率通过优化运输路线和提高运输效率，减少运输工具的闲置时间。
GBT - 物流园区统计指标体系(二)
GBT - 物流园区统计指标体系(二)1. 什么是GBT - 物流园区统计指标体系？GBT - 物流园区统计指标体系是指在物流园区建设和运营中，为了更好地了解园区发展状况和运营情况，而设计的一套指标体系。
该指标体系包括了园区基础设施、企业入驻情况、物流服务能力、园区经济效益等多个方面，旨在为园区管理者提供全面、准确的数据支持。
2. 园区基础设施指标园区基础设施是物流园区建设的基础，也是园区运营的基础。
因此，园区基础设施指标是GBT - 物流园区统计指标体系中的重要组成部分。
该指标包括道路、桥梁、停车场、供水、供电、供气等基础设施建设情况，以及维护和更新的情况。
3. 企业入驻情况指标企业入驻是物流园区运营的重要指标之一。
GBT - 物流园区统计指标体系中的企业入驻情况指标包括企业数量、企业类型、企业规模等。
这些指标能够反映园区的吸引力和竞争力，也能够为园区管理者提供企业发展的数据支持。
4. 物流服务能力指标物流服务能力是物流园区的核心竞争力之一。
GBT - 物流园区统计指标体系中的物流服务能力指标包括物流设施、物流服务质量、物流成本等。
这些指标能够反映园区的物流服务水平，也能够为园区管理者提供物流服务的数据支持。
5. 园区经济效益指标园区经济效益是衡量物流园区运营情况的重要指标之一。
GBT - 物流园区统计指标体系中的园区经济效益指标包括园区总收入、园区总利润、园区总税收等。
这些指标能够反映园区的经济效益和贡献，也能够为园区管理者提供经济运营的数据支持。
6. 总体评价GBT - 物流园区统计指标体系是为了更好地了解园区发展状况和运营情况，而设计的一套指标体系。
该指标体系包括了园区基础设施、企业入驻情况、物流服务能力、园区经济效益等多个方面，旨在为园区管理者提供全面、准确的数据支持。
通过对这些指标的监测和分析，园区管理者可以更好地把握园区发展方向和运营策略，从而提高园区的竞争力和发展水平。
运输中的货物量和运输距离计算
运输中的货物量和运输距离计算运输中的货物量和运输距离计算是物流管理中的重要环节。
准确计算货物量和运输距离对于物流运营商和供应链管理者来说至关重要。
本文将介绍货物量以及运输距离的计算方法，以便提高物流运营效率和准确度。
一、货物量的计算方法货物量是指在运输过程中所携带或处理的货物数量。
准确计算货物量可以帮助物流运营商评估运力要求、资源投入以及成本预估。
下面是几种常用的货物量计算方法：1. 体积计算法：货物体积计算法是通过测量货物占据的空间来计算货物量的方法。
当货物呈规则形状时，可以简单地通过长、宽、高的相乘得到货物体积。
而对于不规则形状的货物，可以使用水桶法、积木法等近似计算来确定体积。
2. 重量计算法：货物重量计算法根据货物的重量来估算货物量。
对于精确称重的货物来说，可以直接使用重量来确定货物量。
但是对于大批次的货物来说，可以选择取样然后通过统计学方法进行整体估算。
3. 订单量计算法：订单量计算法是根据订单数量来计算货物量的方法。
这种方法适用于物流运营商需要根据订单数量预测货物量的场景。
通过对历史订单数据的分析，可以得出货物量与订单量的关系，并进行相应的预测。
二、运输距离的计算方法运输距离是指货物从起始地点到目的地点的实际距离，准确计算运输距离对于物流运营商合理规划路线、选择适当的运输方式以及估算运输成本都至关重要。
下面是几种常用的运输距离计算方法：1. GPS测距法：利用全球定位系统（GPS）可以准确地测量两地之间的直线距离。
这种方法适用于运输线路比较直接的情况，但无法考虑到实际的道路情况和交通状况。
2. 道路地图测距法：利用道路地图上的距离尺度可以近似计算两地之间的距离。
这种方法考虑到了实际道路情况，但需要参考道路地图并结合道路拓扑关系进行计算。
3. 轨迹测距法：利用实际运输车辆的轨迹数据，可以准确地计算运输距离。
通过记录车辆行驶的经纬度坐标，并计算不同轨迹点之间的距离，可以得到整个运输线路的距离。
物流园区规划之物流需求分析
物流园区规划之物流需求分析摘要本文对物流园区规划的重要依据物流需求的定义、特点、物流需求分析内容，以及物流需求分析的目的进行了概括性的论述。
分析了物流需求的影响因素，进一步阐述了物流需求预测研究的主要方法，并对我国物流园区的规划建设提出了展望。
关键词：物流园区规划；物流需求；因素分析；预测方法0 引言伴随着物流业的兴起，物流园区的规划和建设如雨后春笋般在全国各地开展起来，物流园区的建设对区域经济的拉动作用也日趋显现。
近年来，我国物流需求迅速增长，物流需求分析是区域物流规划的重要依据。
但是在此过程中，各种物流发展政策的制定、各类物流基础设施的可行性研究等都缺乏物流需求的定量依据，这必然导致物流市场供需失衡、物流基础设施重复建设，从而阻碍物流产业持续发展。
本文将研究物流需求分析和合理预测物流需求量的问题，以求科学的指导物流规划。
1 物流园区物流需求理论综述1.1 物流需求的定义物流需求是指一定时期内社会经济活动中对各种物品（生产、流通、消费领域中的原材料、成品和半成品、商品以及废旧物品、废旧材料等）运动状态在空间、时间、效率、质量等方面的要求，涉及运输、库存、包装、装卸搬运、流通加工以及与之相关的信息需求等方面。
1.2 物流园区需求的特征物流园区需求是指规划研究范围（区域）内全部物流需求中适合在该物流园区完成有关物流业务活动的那部分需求。
根据物流需求和物流园区的概念，结合物流园区功能特点可归纳总结物流园区的需求有如下4个主要特征：1、需求的时间波动性。
需求的时间波动性归因于园区的规模及竞争力，销售的增长或下降，需求的季节性变化及其他因素。
2、需求的不确定性。
不同产品的物流需求随时间变化的模式是不同的，导致需求变动的因素有长期趋势、季节性因素和随机性因素等。
3、需求的多样性。
由于需求来源点的复杂繁多，使得货物来源及流向较多，特别是在经济较发达地区，不同经济主体间交往频繁、国际间合作增多、企业拓展全球业务网络等都使物流需求日益多样化和复杂化。
物流定量分析公式
物流定量分析公式1.物流成本分析公式物流成本是指企业在物流运作中所支出的各项费用，包括运输费用、仓储费用、包装费用等。
物流成本分析可以帮助企业评估物流运作的经济效益和成本控制情况，从而制定合理的物流成本管理策略。
物流成本=运输成本+仓储成本+包装成本+加工成本+信息处理成本+服务成本+损耗成本2.物流效率分析公式物流效率是指在给定资源条件下，物流系统达到预期目标的能力程度。
物流效率分析可以帮助企业评估物流运作的效率水平，找出瓶颈环节和提升空间，从而提高整个物流系统的运作效率。
物流效率=产出量/资源投入量其中，“产出量”可以是货物的装卸效率、库存周转率等指标，“资源投入量”可以是人力、设备、时间等资本投入。
3.客户满意度分析公式客户满意度是指客户对企业提供的产品和服务的满意程度。
客户满意度分析可以帮助企业了解客户需求、评估服务质量，并据此优化供应链设计和服务流程，提高客户忠诚度和口碑。
客户满意度=满意客户数量/调查样本总数4.库存管理分析公式库存管理是指企业对原材料、半成品和成品的储存和管理。
合理的库存管理可以减少库存成本、缩短供应链周期，并确保供应的连续性。
库存周转率=销售收入/平均库存量平均库存量=（期初库存量+期末库存量）/25.运输成本分析公式运输成本是企业为完成货物运输所支出的费用。
运输成本分析可以帮助企业评估运输成本的构成和优化空间，从而降低运输成本、提高物流效率。
运输成本=车辆成本+油费+人工费+过路费+保险费+维修费+停车费等以上介绍的公式只是物流定量分析中的一小部分，实际上物流定量分析需要根据具体运营情况和分析目的进行相应的指标设计和公式应用。
通过物流定量分析，企业可以及时了解物流运作的情况，发现问题并提出改进方案，提高物流运作效率和服务质量，从而提升企业的竞争力和市场份额。
物流园区分析技术介绍
目录
• 物流园区概述 • 物流园区分析技术体系 • 物流园区规划布局分析技术 • 物流园区运营管理分析技术 • 供应链整合在物流园区中应用分析 • 挑战与对策：面向未来发展趋势
01 物流园区概述
定义与功能
定义
物流园区是指在物流作业集中的地区，在几种运输方式衔接 地，将多种物流设施和不同类型的物流企业在空间上集中布 局的场所，也是一个有一定规模的和具有多种服务功能的物 流企业的集结点。
智能化基础设施建设
完善物流园区的信息网络、自动化设 备等基础设施，提升智能化水平。
智能化管理系统应用
引入先进的物流管理系统，实现业务 流程自动化、智能化管理。
智能化配送体系构建
运用大数据、人工智能等技术优化配 送路径，提高配送效率。
智能化安全监管
采用智能化监控、预警等技术手段， 提升物流园区的安全监管能力。
物流枢纽作用
物流园区作为供应链上的重要节 点，承担着物流集散、转运、配 送等枢纽作用。
信息平台功能
物流园区不仅是物流实体网络的 交汇点，还是信息网络的交汇点， 具有信息采集、处理、发布等功 能。
增值服务提供
物流园区还可以提供包装、加工、 仓储等增值服务，满足客户多样 化需求。
供应链整合策略在物流园区实施
业务流程重组策略
通过对业务流程进行优化和 重组，实现业务流程的简化 和标准化，提高业务处理效 率。
06 挑战与对策：面向未来发 展趋势
面临挑战识别与应对措施
土地资源限制
随着城市化进程加快，物流园区用地愈发紧张，需通过提高土地利 用效率、发展立体仓储等方式应对。
环保压力增大
物流园区运营过程中产生的噪音、尾气等污染问题日益严重，需加 强绿色物流技术应用，减少对环境的影响。
物流园区财务分析报告(3篇)
第1篇一、前言随着我国经济的快速发展和电子商务的兴起，物流行业得到了空前的发展。
物流园区作为物流行业的重要组成部分，承担着连接生产与消费、促进区域经济发展的关键作用。
本报告旨在通过对某物流园区的财务状况进行分析，评估其经营状况、盈利能力、偿债能力以及发展潜力，为园区管理层提供决策参考。
二、园区概况某物流园区位于我国某经济发达地区，占地面积约500亩，总投资约10亿元人民币。
园区于2010年建成，经过多年的发展，已成为该地区规模最大、功能最齐全的物流园区。
园区内设有仓储区、配送中心、物流信息中心、综合服务区等多个功能区，服务范围覆盖全国。
三、财务报表分析（一）资产负债表分析1. 资产结构分析- 流动资产分析：截至2022年底，物流园区流动资产总额为3亿元，占总资产比例的60%。
其中，货币资金占流动资产的20%，存货占30%，应收账款占50%。
存货和应收账款占比相对较高，说明园区在运营过程中存在一定的库存积压和资金回收风险。
- 非流动资产分析：非流动资产总额为 1.5亿元，占总资产比例的30%。
其中，固定资产占非流动资产的70%，无形资产占30%。
固定资产占比相对较高，说明园区在基础设施建设方面投入较大。
2. 负债结构分析- 流动负债分析：截至2022年底，物流园区流动负债总额为2亿元，占总负债比例的60%。
其中，短期借款占流动负债的40%，应付账款占50%，其他应付款占10%。
短期借款占比相对较高，说明园区在资金链方面存在一定的压力。
- 非流动负债分析：非流动负债总额为1亿元，占总负债比例的40%。
其中，长期借款占非流动负债的60%，长期应付款占40%。
长期借款占比相对较高，说明园区在长期投资方面存在一定的风险。
（二）利润表分析1. 营业收入分析- 2022年，物流园区营业收入为5亿元，同比增长10%。
其中，仓储租赁收入占50%，配送服务收入占30%，物流信息服务收入占20%。
营业收入增长表明园区在市场竞争中具有一定的优势。
物流产业园运营分析部门的业务数据分析总结与计划
物流产业园运营分析部门的业务数据分析总结与计划随着物流行业的发展，物流产业园作为一个集中的物流基地，承担着物流运输和供应链管理的重要角色。
为了更好地运营和提升效益，物流产业园的运营分析部门必须依靠准确的业务数据进行分析和决策。
本文将对物流产业园运营分析部门的业务数据进行总结与计划，为运营提供发展方向和改进措施。
一、业务数据总结1. 运输和配送数据分析物流产业园的核心业务是货物运输和配送。
通过收集和分析运输数据，可以评估货物的达到率、准时性以及损坏率等重要指标。
根据这些指标，可以优化运输路线和运输方式，提升运输效率和准确性。
2. 仓储和库存数据分析物流产业园通常具有大型的仓储设施，通过仓储和库存数据的分析，可以评估库存周转率、库存成本以及物流设施的利用率等指标。
通过合理的库存管理和仓储布局优化，可以减少库存成本并提高物流效益。
3. 供应链管理数据分析供应链是物流产业园的核心环节，通过供应链管理数据的分析，可以评估供应链的稳定性、可靠性以及延迟率等指标。
通过优化供应链管理，可以减少供应链风险，并提升整体供应链的可持续发展能力。
二、业务数据分析计划1. 改进数据收集和管理系统为了获取准确可靠的业务数据，物流产业园的运营分析部门需要建立完善的数据收集和管理系统。
通过投入现代化的数据采集设备和信息管理系统，可以实现对业务数据的自动化收集和实时监控。
同时，加强对数据的分类整理和存储，方便后续的数据分析和决策。
2. 强化数据分析能力物流产业园的运营分析部门需要具备专业的数据分析能力。
通过培训和引进专业的分析人员，提升数据分析的水平和能力。
同时，运用先进的数据分析工具和技术，如数据挖掘和机器学习等，加快数据分析的速度和效果。
3. 建立有效的数据共享机制物流产业园内的各个部门之间需要建立有效的数据共享机制。
通过共享业务数据，可以实现各部门之间的协同工作和信息流通。
同时，通过建立跨部门的指标体系，可以更好地评估物流产业园的整体运营状况，并及时作出调整和改进。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
物流园区物流量处理能力分析与计算
作者：曹健孙有望
来源：《物流科技》2014年第01期
摘要：物流园区是近年来我国现代物流业发展中出现的新型态，对于物流园区物流量处理能力的估算一直是现在很多学者研究的焦点。
现在计算处理能力的主要方法是通过参数标定计算各物流模块处理物流量后再叠加，但现有研究均未尝试通过人工神经网络法拟合物流园区各功能模块的面积与总物流量处理能力的关系，再通过两者关系进行物流量处理能力测算。
关键词：物流园区物流量处理能力；神经网络预测算法；Matlab软件
中图分类号：F250 文献标识码：A
1 物流园区概述
1.1 物流园区物流量概念
物流量作为物流学科中一个十分重要的概念，至今仍没有明确的定义，有学者认为物流量是指物流活动的各个作业环节产生的实物（物料、零部件、半成品、产成品等）在物流活动的整个过程中（包括库存量、终端配送量、内向物流量、装卸搬运量和运输量等）的数量的总和，本文即将物流量如此定义。
1.2 物流园区的功能分区
物流园区根据规划的功能以及不同功能区的业务特点、作业方式和布置形式，会选择和设定不同的功能分区，包括以下7种常见的物流功能分区：仓储区、加工区、配送区、集运区、联运区、综合服务区、行政区。
1.3 物流园区货物分类
目前很多部门和单位从各自的角度提出了多种货物分类的方案。
其实，不同的货物分类标准都是建立在实际应用和管理需求之上，本文对进入物流园区的货物进行了简要的分析，并将其分为4类货物：集装箱类货物、笨重货物、城市消费品、冷链货物。
2 园区物流量计算
2.1 传统物流量计算方法概述
2.2 数据准备
2.2.1 全国物流园区各功能区的面积
2.2.2 各类货物在物流园区停留时间
2.2.3 处理单位重量各类货物所需面积
前文在计算各类货物的平均库存期时假设作业发生在仓储区，因此此处计算物流园区处理单位重量各类货物所需面积也是按货物在仓储区中处理所需的面积，其它功能分区中的作业暂不考虑，在仓储区中处理不同单位重量货物需要的面积如表3所示。
2.2.4 货物构成比例
各个城市和区域的社会环境不一样，它的货物构成比例也不固定，对于区域中的物流园区，由于功能不同、位置不同，所处理的货物种类也不同，不能简单的一概而论，这些都需要实际调研或查询相关统计数据得到。
经查询得表4给出各类货物的构成比例情况。
2.3 部分园区物流总量计算
由于园区物流量仅仅来源于仓储区、加工区、配送区、集运区和联运区，与综合服务区和行政区的关系并不密切，本文考虑整个园区的物流量即上述几个区域处理的物流量之和。
应用上述计算方法，可以得到其他物流园区的全年物流量，具体数据如下表5所示。
3 基于MATLAB 的神经网络预测模型预测物流园区物流量
3.1 人工神经网络
常用的经典预测方法都存在一个共同的局限性，即要求预先知道预测对象的数学模型，但是在实际应用当中，许多对象具有复杂的不确定性和时变性，很难建立其预测模型。
而神经网络的出现克服了建立模型及参数估计的困难，它不需要建立具体的数学函数模型就可较精确的描述因素之间的映射关系。
这样可以降低预测工作的难度。
因此神经网络预测模型的研究已逐步成为预测方法研究的一个重要内容[6]。
对于物流园区系统而言，由于系统的复杂性，各因素的关联性很难用仅仅一个准确的数学解析式来描述，神经网络预测模型能较精确地描述因素之间的映射关系而不需要确定的函数形式，因此，神经网络预测方法为物流园区物流量预测提供了一个新的途径。
人工神经网络（Artificial Neural Networks，ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionist Model），是以计算机网络系统模拟生物神经网络的智能计算为基础，
由大量处理单元互联组成的非线性、自适应信息处理系统，通过模拟大脑神经网络处理、记忆信息的方式进行信息处理，其具体结构如图1所示。
模型的结构采用三层网络I×H×O，其中I、H和O分别是输入层、隐含层和输出层中的节点数。
在MATLAB环境下的BP 算法的程序设计主要是调用MATLAB工具箱的相关函数[7]。
3.2 基于MATLAB的神经网络预测模型应用
3.2.1 模型建立
（1）预测指标的选择
本文选择表3中全国部分物流园区各模块面积作为样品输入，表5中各园区物流处理量作为分析预测模型的预测指标，即构造了5组输入输出样本。
（2）网络结构的确定
从总体来看，权值和阈值是随着迭代的进行而更新的，并且一般是收敛的，但是权值的初始值太大，可能导致网络很快就达到饱和，另外权值的初始值对网络的收敛速度也有一定的影响。
newff函数在生成BP网络时即对网络各层的权值和阈值自动进行初始化。
3.2.2 模型验证及预测结果
利用所得的网络结构和初始条件，以全国部分物流园区5个模块面积作为训练样本，预测该物流园区物量，以验证预测模型的有效性，所得结果如表6中预测值所示。
从表6和图2可以看出，5个训练样本的模拟输出与期望输出较为匹配，相对误差均在正负2%的范围内。
模型的收敛效果较好。
经过上述训练所得到的权重体系及偏置值所确定的网络就是所要建立的预测人工神经网络模型。
参考文献：
[1] 洪再生，丁灵鸽. 大型空港物流园区的规划要素分析及设计实践——以天津空港国际物流园区为例[J]. 城市规划学刊，2009（4）：46-53.
[2] 张建明，明瑞江，段云. 基于“一园多区”的物流园区规模规划与功能设计[J]. 商场现代化，2011（11）：41-43.
[3] 刘想宁. 武汉东西湖保税物流园区规划布局研究[D]. 武汉：武汉理工大学物流工程学院（硕士学位论文），2006.
[4] 李素艳，张越，李开宾. 上海浦东空港物流园区规划研究[J]. 交通科技与经济，2006，8（6）：38-40.
[5] 张俊杰. 物流园区规模定位与其对周边交通环境的要求和影响关系分析[D]. 上海：同济大学交通运输工程学院（硕士学位论文），2007.
[6] 胡守仁. 神经网络应用技术[M]. 北京：国防科技大学出版社，1993：105-109.
[7] 鄢丹. MATLAB与Visual Studio系列语言混合编程的方法[J]. 微机与应用，2003（4）：14-16.。