基于組合預測方法的鄭州市貨運周轉量預測研究

徐燁昕， 陸 芬

(武漢科技大學 管理學院， 湖北 武漢430070)

隨著電子商務和共享經濟的進一步發展，物流的重要性逐漸提高,專業化和社會化促進了各行業物流需求的增長。鄭州商貿流通的迅速發展，國內外大型商貿流通企業先后入駐鄭州，大市場、大流通格局的逐漸形成，隨著帶動了物流業的快速發展。截止到2020年，鄭州市的貨運周轉量、貨物量以及業務總量都呈現持續增長的態勢，物流需求規模悄然發生變化，物流服務供需更加不穩定，無法有效評估物流需求。因此，建立有效數學模型確定物流需求顯得尤為重要。

李偉瑩等[1]建立了灰色預測模型，探討了我國水產品物流需求，并從技術、渠道、人才、政策等方面提出了相關建議。吳家麒等[2-3]通過建立改進的灰色馬爾可夫鏈模型，對目標城市的物流需求(貨運量)進行了定量預測，得到了更準確的結果。張雪[4]基于GM(1,1)模型對河北省冷鏈物流需求進行了定量預測。黃建華等[5-6]基于ARIMA模型的組合預測方式，能有效提高預測精度。姜云璐等[7]將灰色預測模型運用到山區土地利用時空變化方面。韓正超等[8]認為，物流需求是經濟發展產生的衍生需求，是經濟發展的產物。在組合預測方法[9-11]中，灰色預測模型同樣是研究熱點。指數平滑法[12]在預測方法中利用率也很高。鄭偉倫[13]利用指數法預測江西省GDP，可以更好地檢測數據的波動性。

系統預測的方法有很多，包括線性回歸預測法、指數平滑預測法、彈性系數預測法、灰色預測法等。灰色預測法和指數平滑預測法都可以利用Excel表格軟件進行計算，但灰色預測法不需要很多的數據就可以對目標進行結果預測。本文采集鄭州市經濟社會發展的主要統計指標(貨運周轉量)，使用改進灰色預測法和二次指數平滑法對鄭州市未來5年的綜合貨運量做出合理預測。

1 鄭州市貨運周轉量預測分析

1.1 基礎數據

貨運需求量采用地方統計局的實際數據，如表1所示。

表1 鄭州市貨運周轉量與主要經濟指標數據

1.2 灰色預測法數據檢驗

為保證建模方法的可行性，需要對原始數據做必要的檢驗處理。設已知的原始數據為

x(0)=[404.3,479.8,564.1,630.9,527.7,537,548.2,686.4,779.2,855.4,680.5,706.2]。

計算數據的可容覆蓋為Θ=(0.857 403 919,1.153 564 995)。對原始數據進行序列級比計算，得到序列級比數據，如表2所示。

表2 灰色預測法對原始數據進行序列級比

從表2可以看出，原始數據中序列中的級比基本都超出了可容覆蓋Θ=(0.857 403 919,1.153 564 995)的范圍，沒有被覆蓋。需要對原始數據序列x(0)進行相應的平移變換，保證序列級比在可容覆蓋之內。通過累加平移變換，最終得到數據序列

z(0)=[904.3，979.8,1064.1,1130.9,1027.7,1037,1048.2,1186.4,1279.2,1355.4,1180.5,1206.2]，

此時全部序列級比都達到了可容性覆蓋。

平移變換后得數據序列z(0)，符合灰色預測的建模條件，取變換過后的數據序列作為初始研究序列建立灰色預測GM(1,1)模型。

1.3 指數平滑法指標選擇

平滑系數α的選擇是預測趨勢值是否能符合實際值的關鍵。α值越大，近期需求所占權重越大;α值越小，歷史數據所占權重越大。一般遵循如下標準：

(1)如果希望消除季節波動對時間序列的影響，反映時間序列的長期趨勢規律，可以選擇較小的α值，一般取0.1～0.3之間。減少修正幅度，使新數列中包含較多的原始數據信息，有利于增強預測結果的可信度。

(2)當原始數列波動較大時，α應選擇適中一些的數值(0.3～0.5)。

(3)希望能盡快反應觀測值的變化，且原數列波動很大、趨勢也較明顯時，可以選取較高的α值，一般在0.6～0.8之間。有利于增加模型的準確度，使預測結果迅速跟上歷史數據的變動水平。

2 鄭州市貨運需求預測研究

2.1 灰色預測法

使用累加平移變換后得數據序列z(0)，利用Excel表格建立模型并對數據進行分析。通過計算與檢驗，得到最終的預測數據與誤差值，如表3所示。

表3 灰色預測法的最終預測結果

2.2 指數平滑預測法

2.2.1 指數平滑預測法原理

二次指數平滑法的計算公式為：

(1)

Yt+T=at+bt·T

(2)

(3)

(4)

2.2.2 數據預測

根據平滑系數的選擇原則，為了消除原始數據較大的波動值，也由于原始數據的時期較長。最終選擇0.3作為初始平滑系數，進行二次平滑預測，最終得出的預測值與誤差值，如表4所示。

表4 平滑系數α=0.3時貨物量預測結果

為保證預測的準確性，利用Excel表格中的模擬運算表，對0.01～0.99之間的所有平滑系數α可能取值進行模擬運算，求出MES最小值為9 962.816 123，進行篩選，得出了最優平滑系數α值是0.26。

使用模擬運算表求出的最優平滑系數α值重新進行預測，結果如表5所示。

表5 平滑系數α=0.26時貨物量預測結果

為驗證兩次不同的平滑系數取值，將兩次的相對誤差進行對比，如圖1所示。觀察折線圖的高低起伏，當平滑系數值為0.26時的相對誤差要明顯小于平滑系數值為0.3時，最終取平滑系數值為0.26時的預測數據作為最終研究數據。

圖1 兩次平滑系數的誤差對比圖

2.3 綜合對比

用兩種方式分別對鄭州市的貨物吞吐量進行了預測，將兩組數據進行對比分析，如表6所示。

表6 兩種預測方法的預測值與相對誤差

為了更清晰的體現兩種方法的預測數據，對原始數據與預測數據進行對比，如圖2所示。

圖2 兩種預測結果與原數據對比

由圖3可以清晰地看到指數平滑法數據、灰色預測法數據和原數據之間都具有一定的誤差。但是，通過指數平滑法預測出來的數據，相比于原始數據沒有太多的滯后性，且較為敏感。最終選用指數平滑法對鄭州市未來5年的貨物周轉量進行預測。

2.4 最終預測值

使用指數平滑法，選取最后一次(即2020年)計算得到的a、b值作為常量，帶入公式(2)，即：Yt+T=746.784+19.718 124 9·T，得到了未來5年(2021～2025年)的最終預測值，如表7所示。

表7 鄭州市未來5年的貨物周轉量預測值

鄭州市2021年～2025年的五年的貨物周轉量的預測值分別為766.502億t·km、786.221億t·km、805.939億t·km、825.657億t·km、845.375億t·km。

3 結 語

鄭州物流業的發展方向應結合國家政策和河南省的具體經濟發展水平，一方面滿足物流供需平衡，另一方面要實現物流的發展和服務質量的提高。