基于组合预测模型的区域物流需求预测研究
来源:用户上传
作者:
摘要：
考虑到区域物流需求预测的复杂性，单一预测模型很难做出准确预测。以GM（1，1）灰色预测模型和多元逐步回归预测模型为基础，引入两者相结合的组合预测模型。以成都市物流需求为例进行研究，结果表明组合预测的精度大于单一组合预测，为以后区域物流规划提供了更好的方法基础。
关键词：
物流需求；需求预测；组合预测
中图分类号：
F25
文献标识码：A
文章编号：16723198（2015）24005802
1引言
区域物流是以实现该区域范围内的资源配置最优化为目标，它能推动区域经济的不断发展，提高区域经济竞争能力。近年来，随着物流产业的不断发展，合理规划和设计区域物流显得十分必要。区域物流需求预测是区域物流规划的前提，根据众多学者的研究发现，区域物流需求预测的方法有：回归分析法、神经网络法、指数平滑法、灰色预测法等。由于区域物流需求具有不确定性特点，本文将选取时间序列预测模型与因果关系预测模型进行组合预测，对我国区域物流需求发展进行预测分析。
2确定物流需求指标
度量物流需求指标的体系主要有实物量体系和价值量体系。实物量体系主要有货物运输量，货物周转量，库存量等，主要反应具体的作业量。实物量价值体系主要包括物流收入，物流总成本等，他们主要反映的是物流服务链上的价值体现。由于到目前为止还没有对社会物流量的系统统计文鉴，为了方便量化指标，通常情况下选取货运量和货物周转量作为物流需求指标。影响物流需求的指标主要有经济因素，行业因素，产业结构因素，环境因素等。经过研究，以可操作性为原则，本文将选取人口（万）、地区生产总值GDP（亿元）、第三产业总值（亿元）、全社会固定资产投资总额（亿元）、进出口总额（亿美元）、社会消费品零售总额（亿元）、城市居民人均可支配收入（元）为影响指标。
3模型方法
3.1单一预测模型的选取
（1）GM（1，1）灰色预测方法。
灰色系统理论只要研究的是少数据、贫乏信息的不确定问题的研究新方法，一般通过时间序列数据进行预测分析，通常采用GM（1，1）模型进行预测。区域物流需求受多方面因素影响，具有不确定性，复杂性特点，通过灰色预测能够规避各影响因素之间的复杂层次关系，从历史数据的时间序列上寻求规律来预测。
由于本文选出了七个影响物流需求的影响因子，为了便于找出主要因子，使回归更有效，本文选择逐步回归分析来进行预测。多元逐步回归通过显著性检验和相关性分析，剔除影响因子较小的因素，留下显著性较强的因子进行回归统计，以保证预测的精度。
3.2组合预测模型设计
上述已经建立GM（1，1）模型和多元逐步线性回归模型，组合预测模型通过构建各单一预测模型的权重来确定组合预测模型。本文采用方差倒数法来确定权重，对于误差平方和较大的赋予较小的权重，对于误差平方和较大的赋予较大权重。
4组合预测的实证分析
为了验证组合预测的有效性，本文选取四川省成都市2005年-2010年的原始数据，对2011年-2013年的物流需求数据进行预测。本文选取货物运输量为物流需求量，相关影响因素为人口等七个因素，数据来源于成都统计年鉴，详情请见表1.
根据上述数据，分别通过灰色系统软件进行灰色预测，spss20做多元逐步线性回归预测，以及通过组合预测模型进行预测，他们各自的预测值的误差分析见表2。
通过上表可以看出单一预测方法回归的预测精度大于灰色预测，但是却小于组合预测方法，由此可见组合预测能大大提升预测的精度，并证明了通过方差倒数法来确定权重是可行。
5结论
近几年随着国家对于物流产业的重视，大部分地区形成了物流园区，对区域物流进行了合理的规划，在一定程度上形成了产业集群。要做好物流的宏观规划，研究其需求是基础前提。本文通过灰色预测和回归预测引入组合预测，以成都市的历史数据为依据进行模型验证，发现组合预测的精度高于单一组合预测，更有利于今后区域物流规划的实施。
参考文献
[1]刘春梅.区域物流与区域经济的关系探讨[J].物流科技，2012，（11）：88.
[2]曹文琴，甘卫华.城市物流规划中的物流需求预测[J].行业透析，2006.
[3]俞少君.基于灰色组合预测模型的区域物流需求预测研究[J].技术与方法，2012.
[4]李国祥，夏国思.区域物流需求的组合预测模型[J].方法应用，2014.
[5]何国华.区域物流需求预测及灰色预测模型的应用[J].北京交通大学学报，2008，（7）.
[6]灰色预测与决策[M].武汉：华中工学院出版社，1986.
[7]李隽波，孙丽娜.基于多元线性回归分析的冷链物流需求预测[J].安徽农业科学，2011，39（11）：65196520.
转载注明来源:https://www.xzbu.com/2/view-11513822.htm
