指数平滑模型在物流系统预测中的应用

指数平滑模型在物流系统预测中的应用
摘要：物流在国民经济中已经占据越来越重要的位置，对经济的发展起着重要作用。

物流业可以大大降低商品的物流成本，从而成为现代经济增长的新利润源，对国民经济增长起支持和推动作用。

因此，物流需求的预测显得尤为重要，本文将采用指数平滑法模型对物流需求进行预测。

关键词：物流需求二次指数平滑预测
当今，物流在国民经济中已经占据越来越重要的位置，对经济的发展起着重要作用。

物流是进行生产和建设的基本前提，是实现商品价值和使用价值的重要保障，是形成国内市场统一的客观基础，是参与国际市场竞争的必要条件。

物流业可以大大降低商品的物流成本，从而成为现代经济增长的新利润源，对国民经济增长起支持和推动作用【1】。

因此，物流需求的预测显得尤为重要，本文将采用指数平滑法模型对物流需求进行预测。

1、指数平滑法概述
物流需求预测预测就是根据物流市场过去和现在的需求资料以及影响物流市场需求变化的因素之间的关系，利用合适的经验判断、技术方法和预测模型，对有关反映市场需求发展趋势的指标进行预测。

通过对物流需求进行预测，可以揭示和描述市场需求的变动趋势，对物流需求发展可能出现的种种情况进行全面系统的分析和预见，从而为制定物流发展战略目标和方向提供一定的依据。

指数平滑法实质上是一种加权移动平均法，它给近期观察值以较大的权数，给远期观察值以较小权数。

该方法能巧妙利用历史数据信息，并能提供良好的短期预测精度【2】。

设预测值对象第t期的观察值为yt，并设原始时间序列为｛y1,y2,…yn｝,令第t期的一次指数平滑值为St(1) 。

则一次指数平滑值得递推计算公式为
式中，α为平滑常数,0≤α≤1。

在计算时St（1），令St（1）=y1
一次指数平滑值是指可直接作为下一期的预测值，但也存在滞后现象。

二次指数平滑是指对一次指数平滑所得结果在进行一次指数平滑，令t期的二次指数平滑值为St（2），则二次指数平滑值的递推计算公式为
St（2）=αSt1+(1-α)St-1(2)
二次指数平滑于一次指数平滑值相比，也存在滞后现象。

因此，一般不直接
将二次指数平滑值作为下一期的预测值，而是通过建立二次指数平滑预测模型进行预测。

二次指数平滑预测模型的形式为
其中，
式中，为n期之后第T期的预测值；n为原始时间序列的最后一期；αn，bn为模型参数。

指数平滑系数α的确定
指数平滑法的计算中，关键是α的取值大小，但α的取值又容易受主观影响，因此合理确定α的取值方法十分重要，一般来说，如果数据波动较大，α值应取大一些，可以增加近期数据对预测结果的影响。

如果数据波动平稳，α值应取小一些。

理论界一般认为有以下方法可供选择：
经验判断法。

这种方法主要依赖于时间序列的发展趋势和预测者的经验做出判断，当时间序列呈现较稳定的水平趋势时，应选较小的α值，一般可在0.05～0.20之间取值；当时间序列有波动，但长期趋势变化不大时，可选稍大的α值，常在0.1～0.4之间取值；当时间序列波动很大，长期趋势变化幅度较大，呈现明显且迅速的上升或下降趋势时，宜选择较大的α值，如可在0.6～0.8间选值，以使预测模型灵敏度高些，能迅速跟上数据的变化；当时间序列数据是上升（或下降）的发展趋势类型，α应取较大的值，在0.6~1之间。

本文将分别选取α=0.4与α=0.8，通过对预测值的检验，准备地确定的取值。

2、实证研究
下面以贵州省黔西南州普安县为例，对指数平滑法的应用加以说明。

普安县位于贵州省西南部，黔西南州北部。

矿产资源丰富，煤炭优质。

随着经济发展，普安县物流业也逐渐发展起来。

全县物流主要以公路运输为主，货物种类主要以煤炭为主。

本文采用当地运输量和货物周转量预测物流量需求量。

表一普安县2000年-2009年物流量量（单位：万吨）
数据来源：普安县2000-2008年统计年鉴
当α=0.4和α=0.8值时，预测得出物流需求量为下表
通过指数平滑预测模型求出普安县到2015年总物流量可达到9072.23万吨。

结论
指数平滑法是利用预测目标的历史数据的统计规律来进行预测。

此种方法的优点在于：不需要了解预测目标的影响因素，它认为所有的影响因素都归在时间序列的波动之中。

这样对历史数据的要求仅仅局限于在预测目标上，而不必考虑其他影响因素的历史数据。

也就是说，历史数据的收集和整理的工作量远远小于回归模型。

其次预测模型考虑的因素比较简单，即为预测目标和时间的关系。

并且短期预测精度较高。

但在运用指数平滑模型法进行预测时可能无法揭示系统内各因素之间的关系，它仅仅将时间作为预测目标的影响因素。

但预测的目的是在了解未来的基础上，对系统进行规划和控制。

控制系统的发展必须了解影响系统发展的主要因素，因此在此后的研究中，应结合其他方法来进行预测才能达到更佳的效果。

参考文献：
[1]桂寿平.物流学基础理论【M】.华南理工大学出版社.2004.(19)
[2]傅卫平，原大宁.现代物流系统工程与技术【M】.机械工业出版社.2007.(165)。