基于组合预测模型的广州市物流需求量预测
来源:用户上传
作者:
摘要：选取2004―2014年广州市物流需求量数据，分别建立三次指数平滑预测模型和回归分析预测模型，加权组合后构建组合预测模型，并对广州市“十三五”规划期末2020年物流需求量进行预测，结果表明：货运量将大幅增长，超过15亿吨。提出以下建议：通过提高物流技术、增加物流基础设施投入、发展特色物流园区等多种举措推动广州市物流业持续健康有序发展。
关键词：三次指数平滑；回归分析；组合模型；物流需求量
中图分类号：G42306 文献标识码：A文章编号：2095-3283（2016）04-0127-03
广州是珠三角地区的中心城市，也是我国重要的物资集散地和对外通商口岸，现代物流业已经成为其产业升级的一项重要内容和新的经济增长点，在广州市经济发展中发挥着举足轻重的作用。物流需求预测是实现物流资源合理配置的重要环节，可有效地保持物流服务供给与需求之间的平衡，为政府部门制定合理化的物流产业发展规划提供决策依据[1]，对广州市物流需求进行有效预测具有现实意义。
一、预测模型介绍
目前，常见的物流需求预测方法有灰色系统预测法[2]、三次指数平滑法[3]、回归分析法[4]和神经网络法等[5]，由于经济发展的复杂性，采用单一的预测方法误差往往较大，因此，综合利用各种单一预测模型的预测结果得到适当的加权组合模型来进行预测更为科学，本文采用三次指数平滑法和回归分析法的组合模型对广州市物流需求量进行预测，结果表明该模型可以有效地降低单一预测模型的预测误差，提高预测精度。
1三次指数平滑法
三次指数平滑法是时间序列预测中的一种重要方法，它是用历史数据的指数加权组合来直接预测时间序列将来值。预测模型为：Yt+T=at+btT+cT2，Yt+T为t+T时刻的预测值；at，bt，ct的计算公式为[6]：
2回归分析预测法
3基于三次指数平滑与回归分析的组合预测模型
组合预测模型就是把两个或两个以上的单一预测模型的预测结果进行加权，最终以得到的加权平均值作为预测结果的一种方法[7]，本文的组合预测方法就是对上述三次指数平滑模型和回归分析模型进行加权评价。设Y为组合预测模型的预测值，Y1，Y2分别为三次指数平滑和回归分析预测模型的预测值，k1，k2分别为三次指数平滑和回归分析预测模型的权重，则组合模型为：
三、预测结果分析
四、结论和建议
利用组合预测模型对广州市“十三五”时期末的物流需求进行预测，得出以下结论：“十三五”期间将是广州市物流业重要发展期，“十三五”末的物流需求将大幅增长。物流业必然会带动广州市第一、二、三产业的快速发展，因此相关部门应积极制定配套政策，打造良好的发展环境，使广州市的物流能力与快速增长的物流需求相匹配，可通过提高物流技术、增加物流基础设施投入、发展特色物流园区等多种举措推动广州市物流业持续健康有序发展。
[参考文献]
[1]后锐，张毕西基于MLP神经网络的区域物流需求预测方法及其应用[J]系统工程理论与实践，2005（12）：43-47
[2]罗永华，何忠伟基于灰色系统理论的茂名市物流需求预测分析[J]物流科技，2010（7）：19-21
[3]谢晓燕，韦学婷，王霖基于指数平滑法的呼、包、鄂三角区物流需求量预测[J]干旱区资源与环境，2013（1）：58-62
[4]方威，肖衡，任湘郴基于线性回归模型的物流需求预测分析[J]生产力研究，2009（12）：94-95，110
[5]张诚，冯亚萍人工神经网络模型的江西省物流需求预测[J]华东交通大学学报，2014（4）：26-32
[6]严小丽，何超，黄怡浪三次指数平滑法在建筑事故预测中的应用[J]统计与决策，2015（10）：72-73
[7]董艳，贺兴时一种组合预测模型及其应用[J]西安工程大学学报，2010（1）：128-130
[8]程春光组合预测在石油行业预算管理中的应用[D]天津大学，2008
Abstract：Based on 2004-2014 Guangzhou logistics demand data respectively established triexponential smoothing forecasting model and regression analysis prediction model， weighted combination to construct prediction forecast model， and effectively predicted the logistics demand quantity in 2020 at the end of 13th Five-Year Plan. The analysis results show that the combination forecasting model can further reduce the prediction error of single prediction model and improve the prediction accuracy， to provide ideas for the sustainable development of the logistics industry in Guangzhou
Key words： tri-exponential smoothing； regression analysis； combined model； forecasting
（责任编辑：张彤彤陈鸿鹏）
转载注明来源:https://www.xzbu.com/3/view-11281229.htm
