基于变异系数的区域物流需求组合预测方法

曾 艳

（湖南财政经济学院工商管理系，长沙 410205）

0 引言

虽然物流产业集群和物流配送中心的建立在我国已经有了一定的规模，但是物流成本过高一直是现阶段抑制物流产业发展的一个瓶颈。控制物流成本、挖掘物流配送的潜能提高物流配送的效率仍然是现阶段物流产业发展研究的一个重点课题。降低物流成本主要涉及到物流配送方案的合理性，而要设计一套科学的物流配送方案，关于物流需求的准确预测则至关重要，只有合理的预测出区域物流的需求量，才能结合当地产业集群的发展和物流配送中心的现状给出合理的配送方案，同时作为区域发展的需要，建立区域物流规划也需要对区域物流需求做出合理的、科学的预测，从而为制定区域发展的宏观政策和方针提供指导性的意见。本文在基于变异系数确定权重方法的基础上，给出一种组合预测权重确定方法，并结合区域物流需求给出一种基于变异系数的区域物流需求组合预测方法。

1 区域物流需求组合预测模型

自J.M.Bates等提出组合预测后，组合预测的理论研究和应用便成为现阶段的主要研究方法，组合预测的原理其实就是在对某事物进行预测的过程中，通过选择不同的单一预测方法建立预测模型并进行预测，最终将各种单一预测模型所给的预测结果进行加权组合，从而将最终组合值作为最终的组合预测结果。也因此组合预测中主要涉及到两个方面的问题，一个是单一预测方法的选择，针对不同的预测应用，应该根据其需要和模型的特点来选择长期预测模型或是中短期预测模型；另外一个方面则是如何来对单一预测模型的结果进行加权，即如何来确定单一预测模型的权重的问题，而关于组合预测加权权重的研究也是现阶段最重要的一个问题。下面我们给出区域物流需求的组合预测的模型：

在建立区域物流需求组合预测模型的过程中，需要采集相关的历史数据来进行建模，一般来说，影响区域物流需求的因素有很多种，总体分为实物量的和价值量的两个方面，货物运量在一定程度上能反映物流需求的变化率，所以在对区域物流需求进行预测的时候，可以选择区域内的货运量的历史数据建模从而来预测某区域物流需求是可行的。设某区域货物量的历史数据为：x=(x1,…,xn)T，区域物流需求对当地经济和政治环境和产业集群建立的进度密切相关，所以区域物流需求的预测只能做中短期预测，所以在对区域物流需求预测建模的过程中应该选择中短期预测方法进行建模。设最终选取m种单项预测方法分别建立某区域货物量的预测模型，并利用这m种预测方法进行建模预测可以得到m组预测值，记yij为利用第i种单一预测模型获取的第j时刻的预测值(i=1,2,…,m;j=1,2,…,n)。w1,w2,…,wm为组合预测的加权系数。根据组合预测建模原理可以得到能反映区域物流需求的组合预测模型为：

其中yi表示第i种方法获得的预测时间序列，而w则表示加权权重向量。一般采用的组合预测模型为简单加权，即第j时刻组合预测模型为：

2 基于变异系数的组合预测权重确定方法

在组合预测中最主要的就是组合权重的确定，关于组合权重确定方法的研究已经有了一定的成果，并基于不同方面给出不同的方法，有定量的也有定性的，考虑到变异系数法能直接利用各单一预测模型所包含的信息来计算单一预测模型的权重，是一种客观的权重确定方法，所以在确定组合预测的组合预测权重时可以采用变异系数法来确定组合预测权重，下面给出变异系数法确定组合权重的具体过程：

Step1单一预测模型的建立：选择m种单一预测模型对历史数据建模，并利用所建模型进行模拟，从而得到模拟序列yij，将模拟结果组成矩阵为：

Step2变异系数的确定：依据每个单一预测模型的拟合值计算每个单一预测模型拟合值的均值和标准差从而每个单一预测模型的变异系数为

Step3组合权重的确定：对各单一预测模型的变异系数进行归一化后得到的数值即为各单一预测模型的加权权重，即第i种单一预测模型的加权权重为：

3 区域物流需求组合预测实证分析

区域物流需求预测受多方面因素影响，在对区域物流需求预测的过程中可以选择能充分反映该区域区域物流需求的货运量作为代表性指标进行预测，从而来实现对区域物流需求的预测，选择某地区近年来的货运量作为历史数据，利用基于变异系数法的区域物流需求组合预测模型进行预测，通过查找统计年鉴并对相关数据进行计算得到该区域2004年至2011年的货运量为（单位：千万吨）

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

下面分别选择单一预测模型建模：

（1）建立灰色预测模型：

灰色预测模型主要建模原理是对时间序列进行累加后呈指数增长模式，故可以利用微分方程进行模拟从而建立指数预测模型，最后通过累减还原从而得到原时间序列的预测结果。下面先给出对该地区的货运量的灰色预测模型，首先对该地区货运量的历史数据进行一次累加，利用灰色预测模型建模原理建立本区域货运量的GM（1,1）预测模型的响应式模型为：

对响应式模型预测值进行一次累减即得到反映区域物流需求的货运量的GM（1,1）预测模型：

利用响应式进行预测并对预测结果进行一次累减后的数列即为运用GM(1,1)模型对反映区域物流需求的货运量的预测估计值：

（2）建立非线性三次指数平滑预测模型：

非线性三次指数平滑预测模型主要是通过逐步衰减的不等加权方法对历史序列进行三次指数平滑从而建立的非线性预测模型，经过三次指数平滑能有效消除随机因素。三次非线性指数平滑预测模型为：

选择参数α=0.44建立三次指数平滑预测模型，得到预测拟合值为

（3）建立回归预测模型：

一般的回归预测模型为：

确定回归预测模型参数的建模原理是使预测数据与历史时间序列x={x1,x2,…,xn}之间的误差平方和最小，及由如下模型确定拟合函数ϕ(t)

对历史数据作图如右，可以看出该数据呈线性故在对其进行回归分析的时候可以利用线性回归来建立预测模型，利用线性回归建模得到预测拟合值为：

（4）建立组合预测模型：

在利用以上三种单一预测模型确定模拟出最终的预测值后，则可以利用变异系数法来确定三种单一预测模型的组合权重，计算得到三种单一预测模型的变异系数分别为：

对变异系数进行归一化后即可得到三种单一预测模型的权重向量为：

总而对三种单一预测模型进行加权得到组合预测模拟时间序列为:

（5）预测模型精度比较

比较三种单一预测模型和组合预测模型的拟合精度，采用计算平均相对误差公式i=1,2,3,…,n度量四种预测方法的精度，通过计算可以发现四种预测方法的评价相对误差如下表：

表各种预测方法平均相对误差比较

通过上表可以看出，三种单一预测方法中回归预测的精度最高，为0.0220，最高的为三次非线性指数平滑预测模型，平均相对误差为0.0494。但是在利用变异系数确定组合权重后，对三种单一预测方法进行加权组合后得到的组合预测的平均相对误差为0.0186，比三种单一预测方法的精度都高，而且比最高精度的回归预测方法的精度还高很多，所以组合预测能提高预测精度的效果很显著。同时也表明利用变异系数法来确定组合权重是可行的，合理的，也说明利用该方法来预测本地区的货运量是科学的可行的。

4 结语

虽然我国物流业经过近年来的研究和发展已经初具规模，甚至有的地方形成了一定的物流产业集群，但是我国区域物流整体上存在一定的经营分散、组织化程度较低，整个区域内的物流企业布局不合理和在物流管理中使用的物流技术含量不高，缺乏现代化的物流管理技术和经验，所以从宏观层面来规划区域物流依然是一个必要的课题。而要在宏观来规划区域物流从而使得利用物流来为整个区域经济服务，就必须来对区域物流需求做出合理的预测，这样不仅利于宏观层面的调控，也利于更多本区域经济目标的规划和方针政策的实施。本文基于变异系数的方法给出了一种区域物流需求的组合预测方法，实例分析了该方法的可行性和科学性。

[1]季模模.区域物流产业竞争力综合评价研究[D].浙江工商大学，2011.

[2]冯敏.广西北部湾经济区区域物流发展研究[D].广西大学,2008.

[3]殷春武.GM(1,1)在商品销量预测上的运用[J].中国商贸，2010，(28)

[4]陈华友.基于相关系数的优性组合预测模型研究[J].系统工程学报,2006,21(4).

[5]殷春武,石宇翔.广义偏差最小的组合预测加权系数确定[J].统计与决策,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]邓聚龙.灰理论基础[M].武汉华中科技大学出版社,2003,(9).