基于灰色预测模型的物流订单额预测
简介灰色预测模型在物流需求预测中的应用
㈣
(+ ) K 1 :
r(县] + k, 4 x1 。 , l ) () ~ - …( 0一 ) o
,
的 。物 流需求预测可 以为 区域 物流规划 提供决 策和依据 。
k
, n
() , 2…
n]( ) ) 2
( 后验 差检验 。第一 , 验 比值检验 : 2) 后
”k= ( )
i= l
” i, l “, () = k 2 n
c 。 中s: 1 : 其 一
S.
。 n kl =
[ ( ) i ]g1窆 ( k一 - : ) k
通 过 检 验 的 标 准 为 精 度 等 级 越 小 越 好 。 根 据 C和 P两
() 1
…
,
+ 0【 x…
nt
() 3
其 中 : 为模 型的发 展参 数 , 映 序列 x - k 及 原始 反 (( ) 序列 0 i的发展趋势 , 为模 型 的协 调系数 , 映数据 间 )) ( 反 的变 化关系 。
需 求 预 测 中 的应 用 , 结 合 实 例 进 行 了应 用研 究 。 并 关 键 词 灰 色预 测 物 流 需 求 应 用
物 流需求是社 会经济 活动特 别是生 产与 经营 活动所 派
生 的 一 种 次 生 需 求 ,因 而 物 流 需 求 与 社 会 经 济 发 展 密 切 相
原 数 据 的绝 对 误 差 和 相 对 误 差 序 列 :
1G ( , ) 模 理 论 。G 11 预测 模 型 的 实 质 是 对 原 .M 11 建 M( ,)
基于灰色预测模型的广西物流需求预测
Chn a a e n n om ain z t n iaM n g me t fr t iai I o o Vo 1 No5 1 4. .
.
第1 4卷第 5 期
基于灰色预测模型的广西物流需求预测
杨 海光 夏 国恩 b .
( 西财经 学院 工 商管理 系 ;. 广 b教务处 , 南宁 5 0 0 ) 3 0 3
角 经 济 圈 和大 两 南 经 济 圈 的 中心 结 合 部 . 两 南 地 区重 要 的运 输 是 枢 纽 、 海 通 道 。一 出 = 足政 治 和政 策 优 势 着 内 地 与 香港 更 紧 密经 - 2 随
贸 关 系安 排 ( E A) 签 署 、 罔一 东 盟 自由 贸易 区 ( A I 的 C P 的 中 C FA)
实 质 性 启 动 、 珠 角 地 区 经 济 合 作 (E O) 出 , 西 迎 来 了 泛 PC 的 广
.另 广 [ 作者简介 ] 杨海光(9 1 )男, 17 一 , 广西桂平人 , 广西财经学院]商管理 千 载难 逢 的 发展 现 代 物 流 的战 略 性 机 会 . 外 , 两是 我 国 咐 一 西 二 系讲 师 , 要研 究 方 向 : 主 人力 资源 管 理 、 系统 工 程 ; 国恩 (9 7 )男 , 夏 17 一 , 四川 内 可 以享 受 东部 沿 海 开 放 地 区 、 部大 开发 以及 民族 自治 _ 方 面优
个 具 有 巨大 发 展 潜 力 的新 兴 产 业 . . 广 发 展 现 代 物 流 具 有 优 越 的 条 件 。 是 得 天 独厚 的港 口条 一
现 代 物 流 作 为 一 种 对 产 品 从 生 产 到 消 费 进 行 高 效 率 的 组 织
基于灰色理论的西安市物流需求预测
表 1 20 年 - 07 00 20 西安币 G P l D 亿元 ) 货运量 { 吨) 万 货物 周转量 《 万吨公里
[ ’ 。 一 一’一 ‘ 。 ’ ’
一 一 ~: 。] 。 ∞ 。 ’ 。 一
y [292 4401 078 5509 284 6293 314] =4749 568 5364 807 6308 802 7444 ̄ , , "
物 ห้องสมุดไป่ตู้ 平 台 赢
基于灰色理论的西安市物流 需求预测
・ 杨茂盛 凡 训 西安 建筑科 技大 学管理 学院
【 要】本文据 西安市近年来的物流需求数据 , 摘 建立灰 色预测模型, 预测结果显示 , 用作西安市未来几年 的物流决策、 可
确 定物 流 基础 设 施 建 设规 模 及投 资 分析 。
年份 2 ∞0 2 O O1 2 0 O2 20 o3 2o o4 20 05 2 。 O6 20 o7
模拟值 残 差 相对 误差
3 3 o 2 4 4 7 8 4 50 8 5 14 5 5 2 9 0 6 7 9 9 6 8 3 4 7 4 5 0 6 8 0 2 1 3 6 9 5 l 7 3 6 0 1 13 1 7 1 3 4 8 1 10 3 0 O 000 0 139 2O 0 03 0 l2 7 197 005 2 771 9 5 0 06 1 -2 9 1 —6 , 9 -3 5 8 2 18 42 98 -0 0 9 3 - 1 - 0 0 06 0 1 76 006 0 05 1
数据 来 源 :西 安 市 统 计 年 鉴
1 6 8 6 81 3 5 3 7 4 5 0.0 7 8) 0 6 2 7 4 9 7 1 4 8 1 9 6 1 3 5
基于灰色模型的冷链物流需求预测
运输与物流NO.012021102车时代AUTO TIME基于灰色模型的冷链物流需求预测黄娟刘诗琪罗锋罗祎唐芙熔(四川旅游学院经济管理学院,四川成都610100)摘要:随着我国人民的生活水平不断提高,人们对于食物的新鲜度要求提高,冷链产品的需求量增多,对冷链设施、设备的要求也越来越高。
本文利用灰色预测模型对冷链物流需求进行预测,以C市五种主要农产品2016~2020年的冷链物流需求数据为基础,用相对误差作为精度判断标准,利用灰色预测模型预测C市2021~2025年的冷链物流需求量。
关键词:冷链物流;需求预测;灰色模型;相对误差冷链商品的需求量增加,冷链系统的压力增加,往往会产生供应不足或供应过剩的问题。
影响冷链产品需求大小的因素复杂且多变,常用的需求预测方法包括BP神经网络预测、多元线性回归模型、马尔科夫法、弹性系数法、灰色预测法等。
灰色预测法预测结果为较为平滑的预测曲线,且不需要大量的历史数据,计算量小,计算方便,预算结果较为精确[1-2]。
本文以C市2016~2020年的五种主要易腐、易变质的农产品为例,使用灰色预测模型,采用相对误差判断预测精准度,对其2021-2025年的冷链物流需求量进行预测。
1灰色模型灰色系统这一理论是国内著名专家级学者邓聚龙教授于20世纪80年代开创的一种新兴横断学科,是控制理论和运筹学理论的部分观点与方法在社会经济系统进行实际运用的新兴产物。
依次通过生成原始序列并累加生成新序列、紧权邻值生成、生成灰色微分方程、引入矩阵向量等步骤后得到预测方程如下所示:x ^(0)(k )=(x (0)(k )-b a)e -a (k -1)(1-e a ),k =2,3,…n 2基于灰色模型的冷链物流需求预测以牛奶、水产品、肉类、蔬菜、水果五种冷链需求商品为例,通过Matlab运算,利用灰色预测模型对C市2016年到2020年的五种主要冷链商品的需求量进行预测,结果如表1所示,其中T 表示实际值,F 表示预测值,δ表示相对误差。
基于灰色预测模型的广西物流需求预测
基于灰色预测模型的广西物流需求预测[摘要]本文运用灰色GM(1,1) 预测模型理论,根据统计数据建立了物流需求量模型并对广西未来几年物流需求规模进行了预测,在一定程度上能够为广西物流业发展提供定量依据。
预测结果表明广西物流需求呈稳定增长的态势。
[关键词]GM(1,1)模型;物流需求;预测1引言现代物流作为一种对产品从生产到消费进行高效率的组织和管理的方式,被广泛认为是继生产和营销之后的“第三利润源泉”。
物流产业作为许多国家国民经济的重要组成部分和工业化进程中最为经济的服务模式,正在全球范围内迅速发展,成为一个具有巨大发展潜力的新兴产业。
广西发展现代物流具有优越的条件。
一是得天独厚的港口条件。
广西北部湾港口资源丰富,防城港、钦州港、北海港和铁山港构成广西沿海地区的天然深水港口群,具有建设3亿吨综合性大港口的自然条件。
二是区位优势。
广西地处中国—东盟自由贸易区,是中国面向东盟的桥头堡和对外开放的重要窗口,是泛珠三角经济圈和大西南经济圈的中心结合部,是西南地区重要的运输枢纽、出海通道。
三是政治和政策优势。
随着内地与香港更紧密经贸关系安排(CEPA)的签署、中国—东盟自由贸易区(CAFIA)的实质性启动、泛珠三角地区经济合作(PECO)的出台,广西迎来了千载难逢的发展现代物流的战略性机会。
另外,广西是我国唯一可以享受东部沿海开放地区、西部大开发以及民族自治三方面优惠政策的省份,这为广西现代物流的发展创造了其他省份所没有的良好的政策环境。
在现代物流规划过程中,物流需求分析是很重要的的环节。
通过物流分析,可以保证物流服务的供给与需求之间的相对平衡,使社会物流活动保持较高的效率与效益。
广西政府已下定决心将北部湾经济区建设成为中国—东盟物流基地、商贸基地、加工制造基地和信息交流中心。
建成的北部湾经济区将成为带动广西经济发展的新的增长极。
将北部湾经济区打造成“中国—东盟物流基地”,必须要考虑其所依托的整个广西的物流承载能力,科学合理地建设物流园区,使物流产业能适应广西经济发展的需要。
基于灰色马尔科夫模型的重庆市水运货运量的预测
按 1步骤可得 ,A (T)B y[o1,2 1 8 , . 1 :BB~ T - . 1 6. ] 9 1T
即0 一 . , l 6 . ,将a 代人灰色G 1 ) = 01 b 1 8 9= 2 1 , b M( 1,可 ,
Ke r : h n qn ae a s otga r o ;rih ou ; rdcin y wo ds C o g i gw trt n p r ryMak v feg t lme pe it r ; v o
重 庆 水运 条 件 得 天独 厚 ,长 江干 流 自西 向东 横 贯 全境 ,流程长 达6 5k 6 m,境 内有 通航 河 流 13 9 条 ,通航里 程44 1 m,使水 上运 输成 为重 庆市综 5 k
21 0 2年 1月
水 运 工 程
Pr o t& Wa e w y En i e rn tr a gn e g i
Jn 2 2 a . 01
N . S r l . 6 o 1 e a No 4 2 i
Hale Waihona Puke 第1 期总第 4 2期 6
一 重 运预 基水科型 庆运量测 臧马夫的 于 货的木 文尔模 市 灰 亚 色
G ( ,1 M 1 )运 算 步骤及 其 机理 如下 : 1 )记 原 始 数 据 序 列 为 。 ‘ 1,‘ 2, , 。 ) 。 )… = ( (
概率及状态之间的转移概率的研究来预测事物未来
状 态 的 一种 数 学 方 法 ,具 有较 高 的科 学 性 、准确 性 、适应性 ,在现代 预测方法 中占有 重要 的地位 。 马尔 科夫 预测 过程 如下 : 1 )确 定状 态划 分 区间 。 以原 始 数 据 和 灰 色模 型 预 测 数列 为 基 准 ,建 立状 态 的划分 标准 。 2)确 定转 移概 率矩 阵P 。
基于灰色模型的武钢工业港原料码头物流需求预测
定 的规律性 。利用微 分方程 拟合 ,
由外 延进 行 预 测 。再 对 灰 色模 型 生成
lB B =B x c
其 中,
利用率逐步提高 ,卸船量持续增长 ,
20 0 7年 已达 1 2 7 8万 吨 。 且 矿 石 物 而 流 组 织 存 在 非 均 衡 性 , 武 钢 工 业 港 对 各工 序 生 产 能 力 发 挥 有 较 大 影 响 , 作
要 对 灰 色 模 型检 验 ,主 要 是 进
( ,) 型 的一 阶微 分 方程 , 11 模
— — ‘ a (' “ A I) 4 X 、 J - =
.
行后验 差检验 ,检验 指标 有相对误
差 e( 、 验 差 比 值 C 和 小 误 差 k) 后
概 率 P 。
q 足 =X 。 足 一 ( ) ‘ ) ’ ) X 足 ( (
维普资讯
后 验差比 C= 2 l 值 / sq
小误 差 概 率
步骤如下 :
a =-O. 6 1 731, u=57 4 3 6.60 4.
( 原 始 序 列 :() 6 6 7 6 1) X0 =( 8 ,1 ,
8 3, 1 ,31 1 2 , 7 8) 2 1 41 1 0, 4 7 1 2
(: ‘ =, , f ∑X。 ) ( 1, z 2 . 人,
=
1
12 模 型检 验 .
预 测 , 以弥 补 由于 历 史 数 据 不 足 , 信 息 不 完 全 造 成 的 预 测 误 差 偏 大 的 缺 陷。
1灰色 预 测模 型 .
为 一 次 累 加 生 成 数 列 建 立 GM
武 钢 工 业 港 原 料 码 头 物 流 需 求 进 行
基于灰色马尔可夫模型的物流园区物流量预测研究
进 行 预 测 更 加 准 确 可 靠 .
关 键 词 : 物 流 国 区 ; 灰 色 模 型 ; 马 尔 可 夫 链 ; 预 测
中图 分 类 号 :F 0 27
文献 标 识 码 :A
文 章 编 号 :1 0 — 1 0 (0 7 2 0 0 — 4 0 2 3 0 2 0 )0 — 0 1 0
地确定物 流 I 的规模 以及设 施设备 的配置 ,也有 利于物 流同 区经济合理 地运作 ,降低 区域 内 业的物 流成 本 . × = =
增 强 本 域 业 或产 业 的竞 争 力 ,避 免 在 物 流 同 区规 划 和建 设 过 程 中 资 源 的 浪 费 等 。
1 灰 色 马 尔可 夫 模 型 的预 测 模 型
物 流 同 区 物 流 量 预 测 常 见 的方 法 有 指 数 平 滑 法 、 回 归 分 析 法 、增 长 系 数 法 以 及 灰 色 模 型 预 测 方 法 ,等 等 .但 . 这 些 方 法 都 存 着 不 同 的优 缺 点 ,如 趋 势 外 推 法 ( 数 平 滑 法 ) 只用 于 独 立 的预 测 对 象 的 中 、短 期 预 测 ,并 且 受 指 环 境 的 影 响 较 大 ;l 果 分 析 法 ( 归分 析 法 )受 外 部 因素 影 响 较 大 ,同 时 它 还 需 要 大 量 收 集 统 计 数 据 ;采 用 灰 色 』 = = I 回 模 型 进 行 预 测 大 多 数 情 况 下也 是相 对 粗 糙 的 , 因为 这 种 模 型 要 素 累加 生 成 数 列 需 具 有 灰 指 数 规 律 ,这 样 才 能 用
应 、控制 物流总成本 等作用 同时 ,物 流园 区作 为物流需求 和物 流服务 企业 的聚集地 ,其对物流 的规模化运作 、
灰色预测模型在公路货运量预测中应用论文
灰色预测模型在公路货运量预测中的应用摘要:为了提高公路运输行业的管理水平,为设计、修建货运场站或现代物流中心提供数据依据和决策支持,就必须要准确的预测公路货运量。
在运输业今年运量统计的基础上,利用灰色预测理论的gm(1,1)模型,给出了gm(1,1)模型的详细步骤,并以公路货运量历年数据预测为例进行了实际应用。
可有效处理小样本、贫信息的不确定性,并在一定预测时段内有良好的预测精度和实用性。
关键词:公路货运量 gm(1,1)模型预测1.现有的预测方法当前普遍存在的对于社会经济的预测方法主要有时间序列法、回归分析法、灰色预测法、指数平滑法、神经网络预测法以及将不同的预测方法结合起来,按照提供信息量的多少和精度的不同,分别取不同的权重形成的组合预测模型。
货运量作为交通运输的一个重要评价指标,对于货运量的预测可以采取不同的方法进行预测,不同的方法提供的有价值信息各不相同,预测精度也各异。
本文主要采用灰色预测模型对公路货运量进行预测。
2.灰色理论与灰色预测模型由于环境对系统的干扰,系统信息中原始数据序列往往呈现离乱情况,离乱数列即为灰色数列或称灰色过程,灰色理论利用那些较少的或不确切的表示系统行为特征的原始数据序列作生成变换后建立微分方程,建立的模型称为灰色模型(greymodel),简称gm模型。
gm(1,1)表示一阶单个变量微分方程,是最常用的灰色预测模型,其形式为:式中,x=x(t),u和b为待估参数。
这个微分方程的解是:3.灰色预测模型的应用3.1灰色模型建模机理灰色系统建模是利用离散的时间序列数据建立近似连续的微分方程模型。
在这一过程中,累加生成运算(ago)是基本手段,其生成函数是灰色建模、预测的基础。
来自所收集的描述过去、现在状况的数据,是构造系统数学模型的依据。
在贫信息情况下,用概率统计方法寻求其统计规律,或用模糊统计方法寻求其隶属规律是困难的,但对于离散过程,在一定程度上相对强化确定性(规律性)和弱化不确定性是可能的,其途径就是通过累加生成运算得到生成时间序列x。
基于灰色预测模型物流园物流量需求预测
基于灰色预测模型物流园物流量需求预测陶娟【摘要】运用灰色GM(1,1)模型,根据2015-2019年华东地区安徽煤炭消耗量,结合裕溪口实际情况,建立了灰色预测模型,预测出了华东地区未来五年煤炭物流量需求,可在一定程度上为裕溪口物流园规划建设提供定量依据.【期刊名称】《济源职业技术学院学报》【年(卷),期】2015(014)004【总页数】5页(P46-50)【关键词】物流园区;灰色预测法;物流量【作者】陶娟【作者单位】安徽理工大学,安徽淮南232000【正文语种】中文【中图分类】F252物流园区作业物流量的需求预测分析与园区规划的合理性和科学性具有紧密的关系,不仅能为物流园区的发展和规划提供重要的参数保障,同时也为园区建设布局、基础设施建设及园区发展方向和功能定位等提供规划的前提和基础,所以准确地物流量需求预测分析对物流园区的规划建设具有非常重要的理论和实践意义。
(一)物流量预测基础数据芜湖作为长江干线上的重要煤炭节点城市,承担着安徽省内的淮南、淮北几大煤矿往华东各省市的煤炭中转加工功能。
因此,芜湖的裕溪口煤港已成为重要的配套煤炭物流园。
本论文研究的煤炭智能物流园在物流量的需求上主要是来源于华东地区对原煤、成品煤或各种煤产品的使用需求。
统计数据显示,华东地区用煤的来源主要有三个渠道,经秦皇岛港转运的山西煤、经芜湖港转运的安徽煤以及澳洲等国的进口煤,各占需求的比值约为50%、15%和35%。
通过查阅2005-2014年的国家统计年鉴,得出近10年来华东地区总体的煤炭消耗情况和来源于安徽的煤炭需求量,如表1所示。
(二)灰色预测分析方法灰色预测法是根据灰色系统的运动规律建立灰色模型对灰色系统进行预测的方法。
灰色预测法对原始数据要求不高,可是它的预测精确度却很高,其适用性好,应用范围广泛,但灰色预测法的计算过程较为繁杂。
裕溪口煤炭智能物流园未来预期的物流量受许多可知和不可知的内部和外部因素的影响,其变化具有较大随机性和模糊性,但又具有一定程度的可预测性,因此,可将其变化过程看做一个灰色过程,通过建立灰色模型对其进行预测,将使得园区的规划设计更加合理、可靠。
基于灰色系统理论的山东物流需求预测分析
行 定量 预测 , 显 得 尤为 重要 。 GM( , ) 型具 就 而 11 模
有 要求 数据 少 , 理 简单 , 算 量 适 中 , 果 精 度 高 原 计 结 等 诸多 优点 , 有鉴 于 此 , 文选 取 G ( , ) 型为 本 M 11 模
山东省 物流 需求 预测 模 型 。
东 省物 流 业 发展 提 供 理 论 依 据 。
关 键 词 : 色模 型 ; 流 需 求 ; 测 分 析 灰 物 预 中 图分 类 号 : 5 . F2 2 2 文献标识码 : A 文 章 编 号 :0 9 9 0 ( O 1 0 0 9 10 1 7 2 1 ) 5 0 6— 0 4
国 重 点 发 展 的 九 大 物 流 区 域 之 一 , 划 建 设 的 十 大 规
一
、
基 于灰 色 系统 理 论 的 山东 省
物 流 预 测 模 型
物 流通 道有 6 与 山东 密切 相关 , 南 、 岛被 列 为 条 济 青
全 国性 物流 节点 城 市 。 山东 省 区域 位 置 优 势 十分 明 显 , 在全 国物 流业 发展 中发 挥重 要 的作用 。 了充 将 为
的黄海 、 渤海 , 接 广袤 的 中原腹 地 , 连 江浙 沪 , 西 南 北 通 京津 唐 。】 l 优越 的地 理 位 置 , 山 东 省 成 为沿 黄 使
河 经济 带与 环渤 海 经 济 区 的交 汇 点 、 北 地 区 和华 华 东 地 区的结 合部 ; 国务 院 印发 的物 流 业 调 整 和 振兴 规划 中把 以青 岛为 中心 的 山东半 岛 物流 区域作 为 全
收 稿 日期 : 0 0 1 2 2 1 - 0 1
量 的 一 阶 微 分 方 程 预 测 模 型 , 进 行 灰 色 预 测 的 基 是 础 , 模 型 最 初 由 邓 聚 龙 教 授 提 出 , 经 广 大 学 者 的 该 后
基于灰色理论的物流配送风险分析与预测
基于灰色理论的物流配送风险分析与预测近年来,随着网络购物的普及以及电商平台的快速发展,物流配送行业迎来了巨大的发展机遇。
然而,在快速发展的同时,物流配送行业也面临着越来越多的风险。
因此,对物流配送风险的分析和预测显得尤为重要。
本文将基于灰色理论,对物流配送风险进行分析和预测。
一、灰色理论简介灰色理论是20世纪80年代初由中国科学家葛红伟教授提出的。
它是一种基于不确定信息处理的理论,适用于样本数据量较小或信息不完整的情况。
灰色理论的核心概念是灰色系统模型。
灰色系统模型是由灰色关联度、灰色预测和灰色模态分析三部分组成的。
其中,灰色关联度是灰色理论的基础,它是指研究两个或多个灰度数列之间的联系程度。
灰度数列是指由少量数据组成的数列,其信息量不足,难以进行传统的统计分析。
通过灰色关联度分析,可以确定出数据之间的关系。
而灰色预测则是基于灰色关联度分析的结果进行的预测,它可以在数据不充分的情况下进行较为准确的预测。
最后,灰色模态分析则是对灰度数列进行分解和重构,以便更全面地了解数据的内在结构和变化规律。
二、物流配送风险的分类物流配送风险是指在物流配送过程中可能出现的各种潜在风险。
根据风险的性质和来源,可以将物流配送风险分为以下几类:1. 自然风险自然风险是指在物流配送过程中受到自然因素的影响而出现的各种风险。
例如,自然灾害、气候变化、地质灾害等都可能导致物流配送过程中的延误、货物损失等问题。
2. 技术风险技术风险是指在物流配送过程中受到技术因素的影响而出现的各种风险。
例如,货物跟踪系统故障、交通工具故障、通信系统故障等都可能导致物流配送过程中的延误、货物损失等问题。
3. 人为风险人为风险是指在物流配送过程中受到人为因素的影响而出现的各种风险。
例如,作业操作不当、未按规定程序操作、人员不当等都可能导致物流配送过程中的延误、货物损失等问题。
三、物流配送风险分析与预测为了有效地减少物流配送风险,可以基于灰色理论对物流配送风险进行分析和预测。
基于灰色残差GM(1,1)模型的汽车货运量预测
百
一 t X㈤ 一 - .
一
式中 :、 “ “为待定 系数 。可利用 最小二乘 法求 出 n “的值 、 3 ]
为
等, 因此 , 每年的汽 车货运量有着不确定性 , 但是汽车货运 量 预测可根据各种运输方式 的历史资料 , 结合未来公路货运 量 的变 化趋 势进 行 l 。 目前 , 定 汽车 货 运 量 的 方 法 主 要 为 回 1 ] 确
d c i n it . o Ke r s GM ( , )m o e ; e i u l y wo d : 11 d l r sd a GM ( , )mo e ;v l m eo r i h f r c s 11 d l o u f fe g t;o e a t
随着 物 流 业 的 快 速 发 展 , 车 货 运 发 挥 着 越 来 越 重 要 的 汽 作用 , 车货 运 量 受 很 多 因素 的 影 响 , 国 民 经 济 状 况 、 内 汽 如 国 法规 政 策 、 当地 产 业 发 展 状 况 、 民 的 收入 状 况 、 居 自然 气 候 等
预 测, 通过 残差 GM( , ) 型 对 主模 型 的修 正 , 用后 验 差 检 验 法 对 模 型精 度 进 行 分 析 和 检 验 , 到 一 个 精 确 度 非 11 模 并 得 常 高的 预 测 模 型 , 模 型 符 合 汽 车 货运 量 的预 测 , 该 并在 实 际预 测 应 用 中取得 较好 效 果 。
T c n lg & Ec n my i e so Co e h oo y o o n Ar a f mmu ia in n c to s
交 通 科 技 与 经 矫
2 0 年第 4期( 09 总第 5 辫) 4
基 于灰 色残 差 GM ( , ) 型 的 汽 车 货运 量 预 测 1 1模
基于多变量灰色模型算法的物流需求预测研究
d i O3 6  ̄i n1 0 - 5 X.0 30 .7 o: . 9 . s . 5 1 2 2 1 .70 2 l 9 s 0
物流技术 2 1 年第 3 卷第 7 总第 26 ) 03 2 期( 8期
基于 多变量灰色模型算法 的物流需求预测研 究
高洪波 ’杨建强 2 ,
faiit adpat ai efrc t go gsc e a da dfrtem dlterw s penee a m l i qa ty adte esbly n rci t i t ea i l t s m n o e,h a l ed dW s aln u ni , i c yn h o s n f o i d l i n o h a m s t n h
(. 1 江苏城市 职业 学院 电信系 , 江苏 南通 2 6 0 ; 2 0 6 2 . 职业技术学 院 电子信 息工程学院 , 鹤壁 河南 鹤壁 4 8 3 ) 5 0 0
[ 要】 摘 基于多变量灰色模型算法 , 以物流需求预测 为 目 , 标 研究探讨 了物流需求预 测的多变量灰色模 型 G 1n 的构 建 M( ,) 思路与方法 , 并通过具体 的算例 , 了一个 物流需求 G 13 模 型, 构建 M( , ) 给出了该模 型的构建步骤和过程 , 通过残差 检验 和分析得 出, 该模型对物流需求预测有着较 好的可行性和实用性 , 且使用该模型 预测时所需原始样本数据量小 , 预测精度较 高 , 无论是对 物流需求的宏观长期预测 , 还是对微观短期 的物流需求预测都具 有一定 的适用性 。 [ 关键词】 灰色系统理论 ; 物流需求 ; 多变量灰色模型 ; 预测模型
的定量预测方法 , 相对于定性预测 , 在精确度方面定量预测 有
基于灰色——马尔柯夫模型的逆向物流量预测
基于灰色——马尔柯夫模型的逆向物流量预测 1问题的提出随着经济全球化、网络经济和电子商务的迅速发展,逆向物流已逐渐成为企业竞争的最前沿。
为了获得竞争优势以及满足可持续发展的要求,企业必须将逆向物流纳入企业战略管理的高度上,提高企业的声誉和利润。
然而相对于正向物流,逆向物流在数量、时间和质量等方面存在着高度的复杂性和不确定性[1]。
这些不确定性的存在,对逆向物流的预测难度以及预测精确性提出了严峻的挑战。
在灰色系统领域,GM(1,1)模型被广泛应用于不确定问题的预测,并且预测效果很好。
在一些特定问题中,GM(1,1)仍然是决策者乐于选择的预测模型。
传统的GM(1,1)模型主要是用于时间短、数据少、波动小、具有长期趋势的预测对象,对随机性波动较大的序列进行预测,其预测精度不理想,拟合度较差[2]。
马尔柯夫预测是通过反映各种随机因素的影响程度以及各状态之间的转移的内在规律性来预测系统的未来发展方向[3]。
适用于随机波动性较大的序列的预测,正好弥补了GM(1,1)模型预测的缺陷。
综上所述,对逆向物流量的预测采取灰色预测和马尔柯夫预测两种方法结合,取长补短,用灰色预测模型来揭示长期发展的某种总趋势,而用马尔柯夫模型来确定状态之间的转移关系,建立灰色—马尔柯夫预测模型对逆向物流量进行预测具有重要的理论与现实意义。
2模型的建立灰色预测模型建立对逆向物流而言,是基于反应的,它通常不是公司计划或决策的结果,而是对消费者行为或下游成员行为的反应,所以逆向物流量主要随时间而变化,呈现波浪式变化曲线,具有非稳定、波动大的特点[4]。
这些波动性的存在,在运用GM(1,1)时可能产生病态性。
所以必须根据原始序列的分布特点,通过级比检验,判定是否适合GM(1,1)建模。
(3)数据变换对不符合惯性要求序列寻求合适的数据变换,保证处理后能够进行GM(1,1)建模。
马尔柯夫预测模型建立马尔柯夫预测是根据初始的状态概率向量和状态概率矩阵来推测某一变量未来某一定时期所处状态的一种方法,其理论基础是马尔柯夫过程,其描述的是一个随机时间序列的动态变化过程。
基于灰色系统模型的物流中心货运需求量预测
[ 关立林 孙 林:中国物流法律制度述要》 《 5 】 《 , 物流世界》 ,
20年第6 04 期
所谓灰色预测是对既含有不确定信息 的系统进行预 测 , 也对
过鉴别系统 因素之间发展趋势 的相异程度 即进行 关联分析 .并 律性的数据序列 .然后建立相应 的微 分方程模型 从而预测 系统
维普资讯
物 ; 平 台 i ; i
节进行保险的.远远不能满足服务范 畴与流程都大大拓展 了的现 代物流企业的需要 。现代物流业的发展迫切要 求保险提 供全方面 的支持 . 希望有一种更为细化的 适合物流运 作模式的险种尽快 出现 ,把经营过程中涉及的赔偿风险转移给保险公司 .从而将经 营过程 中的风险降到最低 解其后顾之忧。 当然. 面对这个新兴 的市场 , 国保 险业也并非无动于衷 。 中 为 了满足物流规模扩大和物流业对保险 日益迫切的市场需 求 人保 在 2 0 年正式推出了 ” 04 物流货物保险”和 ” 物流责任保险 —两个 物流保险条款。 但该条款的实行 却不尽人意 . 的人多买的人少。 看 国外实行的物流综合保险倒是适应现代物流发展的理想 险种 .在 物流业发达 的欧美国家 .已经被广 为接受。我国不妨借鉴一下 。 目前 . 物流 险种的市场潜力 巨大 .需要保 险公 司继续转 变观 念 立足于责任 险的长远考虑 ,从社会责任 的全局 出发 .切切实 实地为物流公司做点事 .为促进我 国物流业 的发展做些贡献 。 3 建立行业 管理协会 .加强行业自律 . 随着我国物流行业 的发展 .物流市场 的主体不断增加 .物流 市场的竞争不断加剧 .物流行业协会对物流市场的规范 与协调作 用也越来越重要 .发展和完善物流行业 的自律 已经提上 日程。 现在与物流相关 的协会 、学会.联合会等 已不在少数 .都自 目前 ,我 国物流规模持续增长 ,物流中心 如雨后春笋涌现出
基于灰色预测模型的青海省物流需求量预测
h t :{ } . s 6.o t | o e 8 c m m
环 球 市场信 息 导 报
基于灰色预测模型 的青海省物流需求量预测
杨 莹 ( 青海 大学 青海西 宁 8 0 1 ) 10 6
摘 要: 该文 以青海省统计年鉴提供 的青 海省 货物 运输量数 据为基础 ,运 用灰 色系统理论 的灰 色预 测模 型为主要 工具 , 过 通 预 测模 型得 到青海省货物运输量 ,得 知青海省物流需求量逐 年增加 ,物流产业发展 呈增加趋 势。 关 键词 : 青海 ;物流 ;需求量 ;预测
第五步: 对参数列 ab =l,l 进行最小二乘估计。
第六步 :确定模型及响应时间。 第七步 :求 x“ 的模拟值 。 第八步 :还原求出 x ㈣的模拟值。 第九步 : 检验误差 , 计算得 出残差平 方和值和平均相对误差。 3 基于灰色预测模型的青海省物流 需求量预测 .
主要指标是货物运输量 ,青海省的货物运输量在一定程度上代表 物流 需求 “ 是指在一定时期和一定 区域空间范围内,由于生 物流需求态势的发展。因此, 利用货物运输量作为物流规划预测 的 产或消费而引起的实物 、原材料 、半成品、成品、商品、废弃物 基础数据 是可行的 ,选取青海省 2 1 年 1 1 00 - 2月货物运输 量作 为 或退货在 时间和空间上对运输、包装、库存、装卸、配送 、流通 物流需求量指标 ( 数据来源为青海省统计年鉴 ) 。青海省 2 1 0 0年 加工及信 息处理等活动需求的总和。物流需求的指标体 系有实物 1 1 - 2月货物运输量 ( 单位 :万吨 ) 月 (6 .6;2月 (2 .7; :1 840 ) 9 67) 量体 系 ( 货运 量 、货 物周 转 量 、库 存 量 、加工 量 等)和 价值 量 体 3月 (6 . ) 4月 (5 -1; 如 8 40 : 6 9 1 ) 5月 (7 -7;6月 (0 78 ) 7月 4 9 73 ) 1 1.5; 系 ( 如物流成本、物流收入、供应链增值等) 目前 ,我国发展和 (9 .5;8 月 (1 . ) 月 (0 62 ) 0月 (9 .1;1 月 。 91 ) 6 9 84 ;9 6 1 5 .1;1 98 ) 1 0 改革委员会发布的物流统计信息中有社会物流总费用、物流业增 (9 .1 2月 (6 .1。 87 ) 0 ;1 9 35 ) 加值、社 会物流总额、货运总量、货运周转量、规模 以上港口货 根据上述数据 , 对青海省 2 1 0 0年各月进行基于灰色理论的物 物吞吐量、港 口集装箱吞吐量、物流相关行业固定资产投 资八个 流 需 求量 预 测 。 主要指标 ,青海省尚未对这些指标进行统计。由于青海省近几年 第 1 步:设原始序列 X =( ()x ()x ( ,…, x 1 2 3 , , ) X 经济增长较快 ,区域物流需求量也在 不断增大 ,青海省区域物流 ( ) ( 6 .6 2 .7 8 40 ,5 .1 7 . , 1 1.5 9 1 5 1 )= 840 , 67 , 6 . 9 1 , 73 2 9 6 49 7 0 78 , 9 . , 6 业 的发展离不开对物流需求量的预 测,因此,文中以青海省 为例 , 9 8 6 15 .1 9 80 , 7 1 6 .1 1 . , 0 62 , 9 .1 9 . , 35 ) 4 8 0 9 选取货物运输量作 为物流需求预测的指标。 对 x 作 1 G - O得 X。 “( , 2 x …, 1)= A = 1 x。 ) “ ) (, x。( ) 2 我 国有 一 些 学者 用 灰 色模 型 的方 法对 我 国 或 某 些地 区 的 物流 ( 6 .6 1 9 . ,2 5 . , 0 -,4 8 .7 5 0 .2 6 9 .7 8 40 , 7 08 3 6 48 3 63 5 3 , 6 1 , 5 3 1 , 9 6 6 5 5 16 , 5 78 , 5 58 ,0 6 .61 4 63 需求作 了预测。刘莉 以哈尔滨市物流需求统计数据为例 ,在对 7 1 .3 8 6 .4 9 6 .31 4 28 , 1 2 .7) ( )r}、 0 灰 色预测模型中引入季节指数概念 ,构建基于灰 色模型和季节指 第2 步:对x 作准光滑性检验,由P k =j 二 () 数 的物流 需求预测模型。百世贞、刘莉等 。 提出基于灰 色模型和 季节指数的物流需求预测方法, 以哈尔滨市物流需求统计数据为例 p() ( 2: 2 : :10 3 .7 1 8 40 ) 6 .6 进 行 了仿真 分 析 。平 先秉 Ⅲ根 据 湖 南省 1 的物 流 需 求变 化 , 0年 建 立灰色预测的 GM ( , ) 11 模型 , 预测湖南省后 5年的物流需求量。 p( ): 3 ( 3 : :0. 5 48Po. 1 1 90. ) 7 83 田刚,李南 通过江苏省物流货运量历史数据建立灰色动态预测 模 型群 ,进行分析。马萍、陈艳红 建立黑龙江省物流需求量模 p一 (1 4: : :0_6p o5 2 . 型 ,并运用灰色预测模型对黑龙江省未来 几年物流需求规模进行 ( 4—1 3 0 _ ) 6 63 了预测。李正锋 根据江苏沿海地 区 19 - 0 8 9 9 2 0 年物流需求数据, 当 k 2时 ,准 光 滑 条件 满 足 。 > 运用灰 色系统理论, 江苏沿海地区未来 5年 的物流需求进行灰色 第 3 检验x 是 步: ㈩ 否具有 准指数规律。 ( = 由 七 j ) 预 测。杨海光、夏国恩 运用灰色 GM (, 11 )预测模型理 论,对 ㈣( ' 2) = :— 9 83 1 0 7 广西未来几年物流需求规模进行 了预测。 20 .7 由于对物流产业分析的不可测 因素干扰 多 ,既有 已知信息 , X )2 ) 840 U( —1 6. 6 也有未知信息 ,复合本征性灰色系统 的特征 ,满足灰色系统理论 模 型的有关前提条件。 X ) —1 19 .3 U( ) 7 08 3 2 区域物流需求灰色预测模型 .
基于灰色系统理论的茂名市物流需求预测分析
立 科 学合 理 的预 测 模 型 对 物 流 需 求进 行 定 量 预 测 ,就 显 得 尤 为 重 要 。 通 过 建 立 G 11) 对 茂 名 物 流 需 求 量 进 行 定 量 预 测 , 同 M( , 来
时根 据预 测 结果 提 出相 应 的 对 策 ,试 图 为 茂 名 市政 府 制 定物 流 决 策 提供 一 定 的参 考 。
关 键 词 : 灰 模 型 ; 物 流 需 求 : 预 测 中 图分 类 号 :F 2 17 文 献 标 识 码 :A
Ab ta t h r u h i g o o i is i d sr e eo i g p a ,t e fa i i t t d e n c n t c i g l gsis i fa t cu e a d O s r c :T e d a g t f lg s c n u t d v lp n ln h e sb l y su i s o o sr t o i c n rsr tr n S n t y i u n t u
・|I‘ ‘II 。I l P
|lI 1 }
- I I I-
I
I
I h
I h
tl l
i i
I
l t
i
I
ቤተ መጻሕፍቲ ባይዱ
ii I
I
罗永 华 ,何 忠伟
LOYn h - Ezog e U og u,H hn wi -a —
(. 1 茂名学 院 经济管理学 院 ,广东 茂名 5 5 0 ;2 北京农学院 经济管理学院 ,北京 昌平 12 0 ) 200 . 0 2 6 f.Sh o o c nm c a d Maae et u ig U i r t col f E oo i n ng m n 1 s M(m n n esy ) v i ,Mami 2 0  ̄ C io .S ho o cnmi o n 550 g hn ;2 c olf E oo c s ad Ma ae eti B qn n e i f gi h r,C ag i 0 2 6 h a n ngm n n e'g U i r t i v s)o A r u ue hnpn 12 0 ,C i ) c g n
灰色GM(1,1)模型在物流运输预测中的应用
灰色GM(1,1)模型在物流运输预测中的应用
作者:刘玥
来源:《财讯》2018年第27期
本文讨论了灰色预测模型以及灰色预测模型在物流运输预测中的应用。
建立了基于灰色预测理论的GM(1,1)模型,并以物流公司年度总运输量为例进行了实际应用。
灰色模型需求预测物流运输
引言
物流运输是物流系统的重要组成部分,对区域经济的发展具有服务引导作用,因此物流需求预测通过选择合适的预测模型实现。
灰色预测模型的建立
设非负原始序列
对X{0}作一次累加,得到新的生成数列为x{0}(k)的GM(1,1)白化微分方程为将上式离散化,即得
z(1)(x(k+1))为在(k+1)时刻的背景值(即该时刻对应的x的取值)则
(1-5)可以寫成y=Bφ(1-4)
把求取的参数带人,并求出其离散解为
(1-5)、(1-6)式是GM(1,1)模型灰色预测的具体计算公式。
应用实例
(1)资料来源:某物流公司2009-2015年年运输总量数据
(2)建立预测建模
1.对原始数据x{0}作一次累加:得
第一,构造数据矩阵B以及数据向量Y可得:
第二,用最小二乘法估计求参数列
第三,建立模型
解得时间响应序列为
第四,求生成数列值x(1)(k+1)及模型还原值x(0)(k+1);
[1]李万秋.物流中心运作与管理.北京:清华大学出版社,2003.162
[2]汪忐华,朱国宝.灰色预测模型GM(1,1)及其在交通运量预测中的应用.武汉理工大学学报(交通科学与工程版),2004,28(2):305~307。
灰色预测模型在物流预测中的应用研究_以四川省为例_孙艳玲
145《商场现代化》2007年1月(上旬刊)总第490期为避免纠纷和责任推卸作好准备。
(2)对实施物流外包的企业在成本、效率等方面对实施资源外取的效果做出衡量,这些标准的制定大多可以参照原来在内部开展这些业务时的评价标准。
物流外包的实施往往会给企业带来外协方面的新职能和业务,从而形成一批专事于此的人员,对于这些人员的工作绩效也要制订相关的标准。
(3)外包绩效评估和衡量机制不能保持一成不变,而是应该不断更新以适应企业总体战略的需要。
6.利用第四方物流整合外包管理。
在物流外包的实际运作中,第三方物流商往往只能局限于运输和仓储等物流作业环节,缺乏对整个供应链进行运作的战略性专长和真正整合供应链流程的相关技术,因而无法为服务的企业实现长期持续的节约和竞争能力的提升。
而第四方物流是“供应链的集成商”,关注的是整个供应链物流系统的有效运作。
它通过其影响整个供应链的能力,将整个企业的供应链完全集成在一起,通过提高运作效率、改进操作流程,以及发挥供应链职能中的整体“外包”职能,实现整体资源的节省,并能为客户提供独特的和广泛的供应链解决方案,大幅提高客户服务质量,为其客户实现更大的价值。
因此,对物流外包企业通过引入第四方物流的方式,不失为一种好的外包管理策略,它不仅大大减少了物流外包的监控成本,同时因其供应链整体解决方案的能力,也可有效规避物流外包的不确定性和风险。
7.规范外包合同的签订与执行管理。
合同是防范物流外包风险防范的关键环节之一,合同在外包过程中具有极其重要的制衡作用。
因此在草拟合同、谈判、直至签署的这一阶段,双方之间反复的磋商是必不可少的。
为规避风险,企业需要挑选最适合的人员来签订合同,谈判小组应由物流主管牵头,包括各种专家,如律师、公司财务顾问、风险管理人员等。
在合同执行阶段,要确保在企业内部留有足够的物流管理人员和风险管理人员依据外包合同对外包执行状况进行管理,不能过深地依赖物流服务商的专家或员工,陷入过分依赖物流商的风险。
- 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)。
建设与管理工程学院课程设计课程名称: 物流系统分析与优化课程设计课程代码:1204179题目:某物流公司订单额预测年级/专业/班:2012级物流管理2班学生姓名:杨超学号:312012*********开始时间: 2016年6月6日完成时间: 2016年6月 20日课程设计成绩:指导教师签名:年月日物流系统分析与优化课程设计任务书学院名称:建设与管理工程学院课程代码:__1204179_专业:物流管理年级:2012一、题目自选题目,题目可以选择当前物流或流通领域热点问题或企业实际情况,开展物流系统分析与优化活动,提交成果,写出总结。
选题尽量细小,避免假、大、空。
选题参考:选题参考:1、针对当前物流或流通领域的相关问题,在国内外公开出版的刊物上发表论文。
2、物流或流通相关领域的发明创造、创业计划书。
4、针对当前物流或流通领域热点问题的物流系统分析与优化课程设计等。
本人题目:某物流公司订单额预测二、主要内容及要求内容与物流或流通领域相关的物流系统分析,形式上可以是(但不限于)以下之一:1.一人一题,不允许重复。
调查类型的题目允许以小组为单位,但个人论文题目应有所区别,各有侧重。
2.格式要求(附后,含目录、摘要、引言、正文、致谢、参考文献)3.工作量要求:正文部分字数4000以上4.阶段性要求:每周必须与导师见面,寻求指导;选题须经导师同意后才可进入下一阶段;5.本课程特别强调物流系统分析与优化。
抄袭者将不予成绩且无重新提交报告的资格。
6.提交材料:A、最终成果:(装订顺序为:封面、任务书、课程论文,可能的案例或调查计划。
)B、参考的资料(可以是原始文稿电子文档或纸质件、书、手写的读书笔记、摘抄等反应),共指导教师检查、不存档。
三、主要技术路线提示选定问题——查阅资料——物流系统分析与优化——撰写总结报告四、进度安排6月4日开始,6月30日结束;分四阶段:1)选题及资料收集;2)物流系统分析与优化;3)撰写总结报告;4)提交报告,具体完成时间以及指导时间由指导教师确定。
指导老师签名日期 2016年3月 25日系主任审核日期 2016年3 月25日目录摘要.................................................................... - 1 - 1引言................................................................... - 2 - 1.1问题的提出........................................................... - 2 - 1.2预测................................................................. - 2 - 1.3预测模型的选用....................................................... - 2 - 1.3.1订单额数据的特点................................................... - 2 - 1.3.2预测模型的比较..................................................... - 3 - 1.4灰色预测的理论知识................................................... - 3 - 1.4.1 模型GM(1,1)的建立................................................. - 3 - 1.4.2模型GM(1,1)的检验................................................ - 4 - 2物流公司现状........................................................... - 6 - 3订单额预测............................................................. - 7 - 3.1建立GM(1,1)模型.................................................... - 7 - 3.2 GM(1,1)模型的检验.................................................. - 8 - 3.2.1残差检验........................................................... - 9 - 3.2.2关联度检验......................................................... - 9 - 3.2.3后验差检验......................................................... - 9 - 3.3订单额预测.......................................................... - 10 - 4预测总结.............................................................. - 11 - 5结论.................................................................. - 12 - 致谢................................................................... - 13 - 参考文献............................................................... - 14 -摘要预测是一项基础性的意义重大的工作。
在市场竞争中,通过预测可以为企业未来发展提供规划和指导。
本文是对某物流公司订单额的预测,分析和说明了预测工作的基本环节。
本文首先说明了该物流公司以往订单数据的情况、分析订单数据的特征、分析和选用预测模型、模型介绍、预测计算、预测结果的检验、预测总结。
本文选用的预测模型是灰色预测模型,为了提高预测的科学性,本文分析了为什么选用灰色预测模型和运用灰色预测模型的特点,本文所做的预测是采用定量分析和定性分析相结合的,对其它相识的预测工作也具有参考意义。
关键词:预测订单额灰色预测1引言1.1问题的提出经济生活中的许多现象都不是互相独立的,而是相互作用、相互影响的。
一种结果的出现往往是多个因素、多个环节共同作用的导致的结果。
当我们需要把握其中的规律时,可以抛开次要因素,抓住具有决定影响的因素,这样我们就可以对未来仿真。
在离散、变化的数据背后,它们往往蕴含一定的规律,并且这种规律具有一定的稳定性,如对销售量的分析预测可以发现,销售量在不同季节、不同地区、不同人群中的变化,尽管这种变化是根据过去数据得出的,但根据统计学大数定理,未来的销售量会在过去销售量的中值附近波动,并且越靠近现在,预测值与实际值越接近,比如今天的销售量是100,没有特殊情况,明天的销售量不可能一下子跌成10,如果真出现这样大的反差,是需要考虑其他因素的。
本文中,某公司是一家物流运输公司,该公司建立不久,经过一段时间的运营,已经取得一定成就,订单额也比以前大了许多,该公司面对以往的订单额需要知道未来一定时期的订单额会达到多少,这样,公司就就可以为未来的发展提前做好准备。
所以对该物流公司订单额的预测是具有现实意义的,这不仅体现在为未来的发展战略提供一个参考数据,也可以为该公司合理接受订单做参考,比如在议价方面、服务质量方面,所以订单额预测是一件件基础性的、具有重要经济意义的工作。
1.2预测预测就是根据可以获得的历史和现实数据资料,运用一定的科学方法和手段,对人类社会、政治、经济、军事、科学技术等发展趋势作出科学推测,以指导未来行动的方向,减少处理未来事件的盲目性[1]。
1.3预测模型的选用1.3.1订单额数据的特点该物流公司的订单额是从2009年到2015年一共7年的订单额,是属于小样本,不确定性较大的情况。
物流公司的订单额受经济环境因素影响较多,很多因素是无法量化的,特别是宏观经济环境,物流市场的竞争状况,在微观方面还有大量不确定性的,变化较快的因素,如该地区运输市场价格的变化,所以对该物流公司订单额的预测有一种未透明的信息和透明信息相结合的特点,符合部分已知,部分未知的灰色概念。
采用灰色预测模型具有一定的可行性。
1.3.2预测模型的比较预测的方法非常多,但主要集中在趋势外推法和回归法。
它们各有特点,趋势外推法是根据历史统计资料,预测今后一段时间的发展趋势和可能达到的水平的方法,这种方法简单,只要给定了预测时间和数量,就可以预测。
回归预测法是以相关原理为基础,回归分析预测的基本思路是通过相关分析,把事物发展变化的决定性的影响因素找出来,或者把主要因素找出来,然后再根据数学模型预测其未来状况。
传统的预测方法例如时间系列预测方法、趋势外推方法或神经网络方法大多需要以大样本的数据为预测前提,但在科学研究中,特别是在研究社会、经济系统时,人们遇到的最大困难往往就是真实、准确数据的获取,这成为制约研究工作的最大瓶颈,因此大样本的条件在一定程度上制约了传统预测方法的应用。
在实践当中,我国的预测工作者提出了一些崭新的、实用的预测方法体系,这其中,灰色系统预测理论就是一个崭新的理论分支,灰色预测理论的提出,适应了实际应用的要求,拓宽了预测对象的范围,进一步推进了预测理论的发展。
灰色预测方法既不需要大量数据的支持,也不需要数据服从典型的概率分布,仅用现实中获得的少量数据进行建模,就能够取得较好的预测效果,达到较高的拟合和预测精度,灰色预测理论的这些优点,适应了实际研究的需要,将可以预测的对象范围进一步扩大,推进了预测科学的发展。
所以本文采用灰色预测模型。
1.4灰色预测的理论知识建立灰色预测模型,必须是定性与定量相结合,以定性为先导,定量为手段,预测过程是定性与定量的结合。
建立灰色模型时,需要对原始数据作累加处理,通过累加处理对非负的时间数据序列找到某种规律,实际研究中我们获得的数据表现出很散乱的样子,而这些散乱的数据我们可以把它看成是灰色过程,对灰色过程所建立的模型便是灰色模型。
通过对原始数据序列的累加生成,发现其指数增长规律,然后用最小二乘法求解模型参数,建立出齐次指数拟合模型,在建立好灰色模型后还要对数据进行累减处理,最终求得预测值。