基于變異系數的區域物流需求組合預測方法

曾 艷

（湖南財政經濟學院工商管理系，長沙 410205）

0 引言

雖然物流產業集群和物流配送中心的建立在我國已經有了一定的規模，但是物流成本過高一直是現階段抑制物流產業發展的一個瓶頸。控制物流成本、挖掘物流配送的潛能提高物流配送的效率仍然是現階段物流產業發展研究的一個重點課題。降低物流成本主要涉及到物流配送方案的合理性，而要設計一套科學的物流配送方案，關于物流需求的準確預測則至關重要，只有合理的預測出區域物流的需求量，才能結合當地產業集群的發展和物流配送中心的現狀給出合理的配送方案，同時作為區域發展的需要，建立區域物流規劃也需要對區域物流需求做出合理的、科學的預測，從而為制定區域發展的宏觀政策和方針提供指導性的意見。本文在基于變異系數確定權重方法的基礎上，給出一種組合預測權重確定方法，并結合區域物流需求給出一種基于變異系數的區域物流需求組合預測方法。

1 區域物流需求組合預測模型

自J.M.Bates等提出組合預測后，組合預測的理論研究和應用便成為現階段的主要研究方法，組合預測的原理其實就是在對某事物進行預測的過程中，通過選擇不同的單一預測方法建立預測模型并進行預測，最終將各種單一預測模型所給的預測結果進行加權組合，從而將最終組合值作為最終的組合預測結果。也因此組合預測中主要涉及到兩個方面的問題，一個是單一預測方法的選擇，針對不同的預測應用，應該根據其需要和模型的特點來選擇長期預測模型或是中短期預測模型；另外一個方面則是如何來對單一預測模型的結果進行加權，即如何來確定單一預測模型的權重的問題，而關于組合預測加權權重的研究也是現階段最重要的一個問題。下面我們給出區域物流需求的組合預測的模型：

在建立區域物流需求組合預測模型的過程中，需要采集相關的歷史數據來進行建模，一般來說，影響區域物流需求的因素有很多種，總體分為實物量的和價值量的兩個方面，貨物運量在一定程度上能反映物流需求的變化率，所以在對區域物流需求進行預測的時候，可以選擇區域內的貨運量的歷史數據建模從而來預測某區域物流需求是可行的。設某區域貨物量的歷史數據為：x=(x1,…,xn)T，區域物流需求對當地經濟和政治環境和產業集群建立的進度密切相關，所以區域物流需求的預測只能做中短期預測，所以在對區域物流需求預測建模的過程中應該選擇中短期預測方法進行建模。設最終選取m種單項預測方法分別建立某區域貨物量的預測模型，并利用這m種預測方法進行建模預測可以得到m組預測值，記yij為利用第i種單一預測模型獲取的第j時刻的預測值(i=1,2,…,m;j=1,2,…,n)。w1,w2,…,wm為組合預測的加權系數。根據組合預測建模原理可以得到能反映區域物流需求的組合預測模型為：

其中yi表示第i種方法獲得的預測時間序列，而w則表示加權權重向量。一般采用的組合預測模型為簡單加權，即第j時刻組合預測模型為：

2 基于變異系數的組合預測權重確定方法

在組合預測中最主要的就是組合權重的確定，關于組合權重確定方法的研究已經有了一定的成果，并基于不同方面給出不同的方法，有定量的也有定性的，考慮到變異系數法能直接利用各單一預測模型所包含的信息來計算單一預測模型的權重，是一種客觀的權重確定方法，所以在確定組合預測的組合預測權重時可以采用變異系數法來確定組合預測權重，下面給出變異系數法確定組合權重的具體過程：

Step1單一預測模型的建立：選擇m種單一預測模型對歷史數據建模，并利用所建模型進行模擬，從而得到模擬序列yij，將模擬結果組成矩陣為：

Step2變異系數的確定：依據每個單一預測模型的擬合值計算每個單一預測模型擬合值的均值和標準差從而每個單一預測模型的變異系數為

Step3組合權重的確定：對各單一預測模型的變異系數進行歸一化后得到的數值即為各單一預測模型的加權權重，即第i種單一預測模型的加權權重為：

3 區域物流需求組合預測實證分析

區域物流需求預測受多方面因素影響，在對區域物流需求預測的過程中可以選擇能充分反映該區域區域物流需求的貨運量作為代表性指標進行預測，從而來實現對區域物流需求的預測，選擇某地區近年來的貨運量作為歷史數據，利用基于變異系數法的區域物流需求組合預測模型進行預測，通過查找統計年鑒并對相關數據進行計算得到該區域2004年至2011年的貨運量為（單位：千萬噸）

x=(52.206,54.087,58.081,61.892,67.321,71.982,74.981,78.654)T

下面分別選擇單一預測模型建模：

（1）建立灰色預測模型：

灰色預測模型主要建模原理是對時間序列進行累加后呈指數增長模式，故可以利用微分方程進行模擬從而建立指數預測模型，最后通過累減還原從而得到原時間序列的預測結果。下面先給出對該地區的貨運量的灰色預測模型，首先對該地區貨運量的歷史數據進行一次累加，利用灰色預測模型建模原理建立本區域貨運量的GM（1,1）預測模型的響應式模型為：

對響應式模型預測值進行一次累減即得到反映區域物流需求的貨運量的GM（1,1）預測模型：

利用響應式進行預測并對預測結果進行一次累減后的數列即為運用GM(1,1)模型對反映區域物流需求的貨運量的預測估計值：

（2）建立非線性三次指數平滑預測模型：

非線性三次指數平滑預測模型主要是通過逐步衰減的不等加權方法對歷史序列進行三次指數平滑從而建立的非線性預測模型，經過三次指數平滑能有效消除隨機因素。三次非線性指數平滑預測模型為：

選擇參數α=0.44建立三次指數平滑預測模型，得到預測擬合值為

（3）建立回歸預測模型：

一般的回歸預測模型為：

確定回歸預測模型參數的建模原理是使預測數據與歷史時間序列x={x1,x2,…,xn}之間的誤差平方和最小，及由如下模型確定擬合函數?(t)

對歷史數據作圖如右，可以看出該數據呈線性故在對其進行回歸分析的時候可以利用線性回歸來建立預測模型，利用線性回歸建模得到預測擬合值為：

（4）建立組合預測模型：

在利用以上三種單一預測模型確定模擬出最終的預測值后，則可以利用變異系數法來確定三種單一預測模型的組合權重，計算得到三種單一預測模型的變異系數分別為：

對變異系數進行歸一化后即可得到三種單一預測模型的權重向量為：

總而對三種單一預測模型進行加權得到組合預測模擬時間序列為:

（5）預測模型精度比較

比較三種單一預測模型和組合預測模型的擬合精度，采用計算平均相對誤差公式i=1,2,3,…,n度量四種預測方法的精度，通過計算可以發現四種預測方法的評價相對誤差如下表：

表各種預測方法平均相對誤差比較

通過上表可以看出，三種單一預測方法中回歸預測的精度最高，為0.0220，最高的為三次非線性指數平滑預測模型，平均相對誤差為0.0494。但是在利用變異系數確定組合權重后，對三種單一預測方法進行加權組合后得到的組合預測的平均相對誤差為0.0186，比三種單一預測方法的精度都高，而且比最高精度的回歸預測方法的精度還高很多，所以組合預測能提高預測精度的效果很顯著。同時也表明利用變異系數法來確定組合權重是可行的，合理的，也說明利用該方法來預測本地區的貨運量是科學的可行的。

4 結語

雖然我國物流業經過近年來的研究和發展已經初具規模，甚至有的地方形成了一定的物流產業集群，但是我國區域物流整體上存在一定的經營分散、組織化程度較低，整個區域內的物流企業布局不合理和在物流管理中使用的物流技術含量不高，缺乏現代化的物流管理技術和經驗，所以從宏觀層面來規劃區域物流依然是一個必要的課題。而要在宏觀來規劃區域物流從而使得利用物流來為整個區域經濟服務，就必須來對區域物流需求做出合理的預測，這樣不僅利于宏觀層面的調控，也利于更多本區域經濟目標的規劃和方針政策的實施。本文基于變異系數的方法給出了一種區域物流需求的組合預測方法，實例分析了該方法的可行性和科學性。

[1]季模模.區域物流產業競爭力綜合評價研究[D].浙江工商大學，2011.

[2]馮敏.廣西北部灣經濟區區域物流發展研究[D].廣西大學,2008.

[3]殷春武.GM(1,1)在商品銷量預測上的運用[J].中國商貿，2010，(28)

[4]陳華友.基于相關系數的優性組合預測模型研究[J].系統工程學報,2006,21(4).

[5]殷春武,石宇翔.廣義偏差最小的組合預測加權系數確定[J].統計與決策,2011，(1).

[6]Huang KY,Jane CJ.A Hybrid Model for Stock Market Forecasting and Portfolio Selection Based on ARX,Grey System and RS Theories[J].Expert Systems with Applications,2009,36(3).

[7]鄧聚龍.灰理論基礎[M].武漢華中科技大學出版社,2003,(9).