关于快递行业中货量预测方法的介绍

胡佳迎

摘要：随着电商的兴起，人们已经习惯在网上购物。随之兴起的便是物流快递行业。对于各大快递公司来说，如果能够比较精确的预测淡旺季的货量，便能够提前安排好各个分拨中心的人力以及车线的运作。文章对四种货量预测的方法进行简单的介绍，定性预测，线性回归预测，时间序列预测以及神经网络预测，并对四种方法的优缺点做了分析。

关键词：预测；货量；定性预测；线性回归；时间序列；神经网络

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）08-0152-02

近年来，快递行业随着电商的兴起业务量也大大增加，据国家邮政局统计，2017年11月份，全国快递公司业务量完成47.1亿件，同比增长25.2%。如此庞大的业务量对快递公司来说的确是一个考验，能否按时把快递送到客户手中，能否做到时效最优无疑成了各大快递公司竞争的焦点。特别是面对双十一，双十二这种电商大促，如果快递公司能做到比较精确的预测未来一段时间的货量，那么就能够提前安排各个分拨中心的人力以及全国路由车线的运作，避免出现爆仓等现象。

1货量预测方法简介

有关货量预测的方法有很多，下面就分別介绍四种最常见的方法，定性预测，线性回归预测，时间序列预测以及神经网络预测，其中后面三种预测属于定量预测。

1.1定性预测

所谓定性预测，就是相关做预测的人员或者管理人员根据过去的经验，知识和直觉等对事物做出的预测。定性预测法不需详细并且连续的历史数据作为支撑，而且时效性更强，但是由于定性预测受主观因素的影响比较大，我们很难确定其结果的可信度，而且误差也无法估计。

现在有如表1所示两行数据，要预测7/11号的货量。第一行数据为日期，第二行数据为实际货量（货量单位：万）：

根据定性预测法，有人会用1号到10号的均值（115）作为11号的预测值；也有人会觉得货量是呈现上升趋势的，应该增加一个增长率作为预测值。

可见，不同的人的预测结果是不一样的，定性预测太主观，需要相对精确的定量预测做支撑。

1.2线性回归预测

简单来说，线性回归预测就是用线性函数去拟合已经观测到的数值，从而达到对未观测到的数值的预测，前提是变量之间为线性关系。线性回归分为一元线性回归和多元线性回归，所谓一元线性回归就是只有一个自变量，一个因变量；而多元线性回归是指有多个自变量，一个因变量的情况。

1.3时间序列预测

时间序列是指把统计数据按照时间的先后顺序排列所形成的数列，时间序列预测就是根据历史数据的发展趋势去预测未来的一种方法。

时间序列预测法包括简单移动平均法，加权移动平均法，指数平滑法等。

在货量预测中，我们发现指数平滑法的预测效果比较好。所谓指数平滑法，实际上一种特殊的加权移动平均法，它是在前期货量的实际值和预测值的基础上，利用事先确定的平滑系数预测未来货量的一种方法。

1.4神经网络预测

神经网络是一种模仿动物神经网络行为特征，进行分布式信息处理的数学模型。在结构上，它可以分为输入层，输出层和隐含层，其中，隐含层的节点和层数越多，则神经网络越复杂。BP神经网络是神经网络的一种类型。它是一种多层前馈神经网络，信号前向传递，误差反向传播，输入信号从输入层经隐含层逐层处理，直至输出层，每一层的神经元状态只影响下一层的神经元状态。如果输出层的结果不符合预期，则转到反向传播，根据预测误差调整神经网络的权值和阈值，从而使得神经网络的预测输出接近期望的输出。

图1中，X表示神经网络的输入值，Y表示神经网络的输出值，ω表示神经网络的权值。

我们可以利用SPSS，Matlab，Python等软件实现BP神经网络预测货量。神经网络能够识别复杂的非线性系统，有较强的自适应学习能力，这是它的特性。

2预测结果评估

在进行定量预测的时候，我们一般先把数据分为两部分，一部分作为训练集，另一部分作为验证集，这是为了避免出现过度拟合的问题，所谓过度拟合指的是当前的数据凑巧适合这个模型，使得模型效果表现优异。

2.1常用的衡量预测精度的指标

2.2预测误差的分布

可以通过绘制误差的直方图或者箱图来分析预测误差的分布，由此可以判断未来预测误差可能的分布情况。

3四种预测方法的优缺点

上述四种预测方法各有各的优点，但同时又有些局限，我们在进行预测的时候应该根据实际情况选择合适的方法，各个预测方法都有它最适合的应用场景。表2是四种预测方法的优缺点介绍：

4结论

本文介绍了四种最常见的预测分析方法，定性预测法，线性回归预测法，时间序列预测法以及神经网络预测法并进行了预测结果的评估。同时还对这四种方法的优缺点进行了简单介绍。在遇到实际问题时，我们应该根据实际问题实际分析，选择最合适的预测方法，建立合理的模型，如果一种模型达不到理想的效果的话，可以考虑选择组合模型进行预测。