论文部分内容阅读
摘要：物流的需求预测作为物流发展的一个重要的课题，已经成为研究的重点。在本文中首先运用灰色系统理论对物流公司业务量的系统分析；然后通过建立一系列的灰色预测模型，对未来五年的业务量进行预测；最后，将不同模型的预测结果进行了分析比较，最终得到公司业务量较为合理的预测模型。实验结果表明预测模型是合理、有效的。
关键词：需求预测，灰色理论，物流行业
中图分类号：U652.1+2 文献标识码：A 文章编号：
0引言
随着物流在商品生产流通中的地位的不断提高，物流行业的发展程度已成为衡量一个国家现代化程度和综合国力的重要标志之一。国外物流研究的重点一般是用数量经济模型对货物，服务和相关信息的需求进行预测，并注重经济与环境的协调，力求有效利用自然资源[1]。
目前国内对于物流系统的内在规律和规划方法还处于初级阶段，物流需求分析和预测方法理论也没有国外一些发达国家完善，这样导致了人们进行物流规划时经常会南辕北辙。在这种情况下，本文重点研究合理预测物流需求量的问题，使物流规划在新的经济条件下对现代物流系统的完善起到积极的促进作用。
1 灰色预测法内涵
灰色预测法是一种对含有不确定因素的系统进行预测的方法。是根据过去的及现在已知的或非确定的信息，建立一个从过去延伸到将来的灰色模型，从而确定系统未来发展变化的趋势，并为规划、决策提供依据[2]。
2 灰色预测系统模型研究
2.1 GM(1，1)模型
首先记为原始数列,则称灰色微分方程为GM(1，1)模型。符号GM(1，1)的含义如下:G表示灰色(Grey)，M表示模型(Model)，第一个“1”表示一阶方程，第二个“1”表示一个变量，式中为的紧邻均值生成序列，；称为发展灰数，反映了和的发展态势；称为内生控制灰数，是从背景值挖掘出来的数据，它反映数据变的关系，其确切内涵是灰的[3]。经过最后运算后得到还原值为：
(1)
2.2 残差修正GM(1，1)模型
当原始数据序列建立的GM(1，1)模型检验不合格或精度不理想时，可以用残差序列建立GM(1，1)模型进行修正，以提高精度。以下为预测模型。
数列的预测式：
(2)
其中 1
0
最终，将由2式得到的数列经过一次累减还原成原始数列的预测值[4]。
2.2 GM(1，1)模型群
在实际建模中，原始数据序列的数据不一定全部用來建模。一般说来，取不同的数据，建立的模型也不一样，即使都建立同类的GM(1，1)模型，选择不同的数据，参数的值也不一样[5]。
将原始数据序列建立的GM(1，1)模型称为全数据GM(1，1)模型；将最新信息置入，称置入最新信息后建立的模型为新信息GM(1，1)；称置入最新信息，并去掉最老信息后建立的新模型称为新陈代谢GM(1，1)。
研究表明，新信息GM(1，1)模型与新陈代谢GM(1，1)模型预测结果优于全数据GM(1，1)模型 [6]。事实上，任意一个灰色系统在其随时间推移的发展过程中,由于随机干扰因素的不断产生，灰色系统的发展也会受到不同程度的影响。所以必须不断地新数据来建立新信息GM(1，1)模型进而进行动态预测[7]。
从模拟精度看，新陈代谢GM(1，1)模型高于新信息GM(1，1)模型。从预测角度看，新陈代谢GM(1，1)模型是目前来说最理想的模型。
3 实 例
本文就将根据灰色系统理论建立的各种不同的灰色模型对烟台市安民物流有限公司进行分析预测，以便找出合适的灰色预测模型，来预测未来五年安民物流公司的需求。
3.1不同模型应用
本文根据物流公司的原始数据，分别应用三种灰色预测模型得到预测值。基本GM(1，1)模型的预测值经关联度检验和后验差检验模型精度均为一级（优秀），但用残差检验模型的精度等级为二级（合格）；通过残差修正后，虽然残差检验时模型的精度等级仍为二级(合格)，但模型的平均相对精度有了很大程度的提高。关联度检验和后验差检验模型精度均为一级(优)；基于直接数据的GM(1，1)预测模型应用后。得出残差检验模型精度为一级(优)。关联度检验模型的精度等级为一级(优)。后验差检验模型的精度等级为一级(优)。
3.2 不同预测模型的分析比较
通过分析比较可知，这三种灰色预测模型的预测误差均在误差允许范围内，这些模型基本上都可以用来估算安民公司近段时期的业务总量。
但在实际应用中，由于存在随时间推移而产生的干扰因素，所以必须随时补充新数据，来建立等维新信息GM(1，1)模型。这样建立的等维新信息模型，使不同模型间的数据差异变小了，各年份的数据也比较接近。这样得到的数据也就更加合理，也大大提高了预测结果的可信度和应用价值。
4 结 论
本文基于灰色预测系统理论与安民物流公司的原始数据，对未来5年内安民公司的发展提出了规划构想。
重点介绍了灰色预测法的概念和三种基本预测模型：GM(1，1)模型、残差修正GM(1，1)模型、GM(1，1)模型群。并且将GM(1，1)模型应用于预测安民公司的业务量。在实际预测时采用了GM(1，1)模型、残差修正GM(1，1)模型、基于直接数据的GM(1，1)模型。从预测结果来看，这三种模型都具有合理性，但从精度上来说还是最后一种最优。
参考文献
[1] 孙飞波.物流市场需求预测研究:(硕士学位论文).江西:江西财经大学,2007.
[2] 杨萍.浅谈灰色预测法及其应用.内江科技.2006,(3):124.
[3] Deng Julong.On Boundary of Grey Inputbin GM(1，1).The Journal of GreySystem,2001
[4] 沈繼红.灰色系统理论预测方法研究及其在舰船运动预报中的应用:(博士学位论文). 哈尔滨:哈尔滨工程大学2002.
[5] Lin J.L.,Wang,K.S.,Yan，B.H.，Tarng，Y.S..Optimization of Parameters in GM(1,1)Model by Taguehi Method,The Journal of Gray System，2000.
[6] 刘思峰,党耀国,方志耕等.灰色系统理论及其应用.北京:科学出版社,2005.
[7] 侯丽敏.基于灰色系统理论的地区生产总值预测研究:(硕士学位论文).郑州:郑州大学,2007.
关键词：需求预测，灰色理论，物流行业
中图分类号：U652.1+2 文献标识码：A 文章编号：
0引言
随着物流在商品生产流通中的地位的不断提高，物流行业的发展程度已成为衡量一个国家现代化程度和综合国力的重要标志之一。国外物流研究的重点一般是用数量经济模型对货物，服务和相关信息的需求进行预测，并注重经济与环境的协调，力求有效利用自然资源[1]。
目前国内对于物流系统的内在规律和规划方法还处于初级阶段，物流需求分析和预测方法理论也没有国外一些发达国家完善，这样导致了人们进行物流规划时经常会南辕北辙。在这种情况下，本文重点研究合理预测物流需求量的问题，使物流规划在新的经济条件下对现代物流系统的完善起到积极的促进作用。
1 灰色预测法内涵
灰色预测法是一种对含有不确定因素的系统进行预测的方法。是根据过去的及现在已知的或非确定的信息，建立一个从过去延伸到将来的灰色模型，从而确定系统未来发展变化的趋势，并为规划、决策提供依据[2]。
2 灰色预测系统模型研究
2.1 GM(1，1)模型
首先记为原始数列,则称灰色微分方程为GM(1，1)模型。符号GM(1，1)的含义如下:G表示灰色(Grey)，M表示模型(Model)，第一个“1”表示一阶方程，第二个“1”表示一个变量，式中为的紧邻均值生成序列，；称为发展灰数，反映了和的发展态势；称为内生控制灰数，是从背景值挖掘出来的数据，它反映数据变的关系，其确切内涵是灰的[3]。经过最后运算后得到还原值为：
(1)
2.2 残差修正GM(1，1)模型
当原始数据序列建立的GM(1，1)模型检验不合格或精度不理想时，可以用残差序列建立GM(1，1)模型进行修正，以提高精度。以下为预测模型。
数列的预测式：
(2)
其中 1
0
最终，将由2式得到的数列经过一次累减还原成原始数列的预测值[4]。
2.2 GM(1，1)模型群
在实际建模中，原始数据序列的数据不一定全部用來建模。一般说来，取不同的数据，建立的模型也不一样，即使都建立同类的GM(1，1)模型，选择不同的数据，参数的值也不一样[5]。
将原始数据序列建立的GM(1，1)模型称为全数据GM(1，1)模型；将最新信息置入，称置入最新信息后建立的模型为新信息GM(1，1)；称置入最新信息，并去掉最老信息后建立的新模型称为新陈代谢GM(1，1)。
研究表明，新信息GM(1，1)模型与新陈代谢GM(1，1)模型预测结果优于全数据GM(1，1)模型 [6]。事实上，任意一个灰色系统在其随时间推移的发展过程中,由于随机干扰因素的不断产生，灰色系统的发展也会受到不同程度的影响。所以必须不断地新数据来建立新信息GM(1，1)模型进而进行动态预测[7]。
从模拟精度看，新陈代谢GM(1，1)模型高于新信息GM(1，1)模型。从预测角度看，新陈代谢GM(1，1)模型是目前来说最理想的模型。
3 实 例
本文就将根据灰色系统理论建立的各种不同的灰色模型对烟台市安民物流有限公司进行分析预测，以便找出合适的灰色预测模型，来预测未来五年安民物流公司的需求。
3.1不同模型应用
本文根据物流公司的原始数据，分别应用三种灰色预测模型得到预测值。基本GM(1，1)模型的预测值经关联度检验和后验差检验模型精度均为一级（优秀），但用残差检验模型的精度等级为二级（合格）；通过残差修正后，虽然残差检验时模型的精度等级仍为二级(合格)，但模型的平均相对精度有了很大程度的提高。关联度检验和后验差检验模型精度均为一级(优)；基于直接数据的GM(1，1)预测模型应用后。得出残差检验模型精度为一级(优)。关联度检验模型的精度等级为一级(优)。后验差检验模型的精度等级为一级(优)。
3.2 不同预测模型的分析比较
通过分析比较可知，这三种灰色预测模型的预测误差均在误差允许范围内，这些模型基本上都可以用来估算安民公司近段时期的业务总量。
但在实际应用中，由于存在随时间推移而产生的干扰因素，所以必须随时补充新数据，来建立等维新信息GM(1，1)模型。这样建立的等维新信息模型，使不同模型间的数据差异变小了，各年份的数据也比较接近。这样得到的数据也就更加合理，也大大提高了预测结果的可信度和应用价值。
4 结 论
本文基于灰色预测系统理论与安民物流公司的原始数据，对未来5年内安民公司的发展提出了规划构想。
重点介绍了灰色预测法的概念和三种基本预测模型：GM(1，1)模型、残差修正GM(1，1)模型、GM(1，1)模型群。并且将GM(1，1)模型应用于预测安民公司的业务量。在实际预测时采用了GM(1，1)模型、残差修正GM(1，1)模型、基于直接数据的GM(1，1)模型。从预测结果来看，这三种模型都具有合理性，但从精度上来说还是最后一种最优。
参考文献
[1] 孙飞波.物流市场需求预测研究:(硕士学位论文).江西:江西财经大学,2007.
[2] 杨萍.浅谈灰色预测法及其应用.内江科技.2006,(3):124.
[3] Deng Julong.On Boundary of Grey Inputbin GM(1，1).The Journal of GreySystem,2001
[4] 沈繼红.灰色系统理论预测方法研究及其在舰船运动预报中的应用:(博士学位论文). 哈尔滨:哈尔滨工程大学2002.
[5] Lin J.L.,Wang,K.S.,Yan，B.H.，Tarng，Y.S..Optimization of Parameters in GM(1,1)Model by Taguehi Method,The Journal of Gray System，2000.
[6] 刘思峰,党耀国,方志耕等.灰色系统理论及其应用.北京:科学出版社,2005.
[7] 侯丽敏.基于灰色系统理论的地区生产总值预测研究:(硕士学位论文).郑州:郑州大学,2007.