基于組合預測模型的廣州市物流需求量預測

韓正濤

摘要：選取2004—2014年廣州市物流需求量數據，分別建立三次指數平滑預測模型和回歸分析預測模型，加權組合后構建組合預測模型，并對廣州市“十三五”規劃期末2020年物流需求量進行預測，結果表明：貨運量將大幅增長，超過15億噸。提出以下建議：通過提高物流技術、增加物流基礎設施投入、發展特色物流園區等多種舉措推動廣州市物流業持續健康有序發展。

關鍵詞：三次指數平滑；回歸分析；組合模型；物流需求量

中圖分類號：G42306 文獻標識碼：A文章編號：2095-3283（2016）04-0127-03

廣州是珠三角地區的中心城市，也是我國重要的物資集散地和對外通商口岸，現代物流業已經成為其產業升級的一項重要內容和新的經濟增長點，在廣州市經濟發展中發揮著舉足輕重的作用。物流需求預測是實現物流資源合理配置的重要環節，可有效地保持物流服務供給與需求之間的平衡，為政府部門制定合理化的物流產業發展規劃提供決策依據[1]，對廣州市物流需求進行有效預測具有現實意義。

一、預測模型介紹

目前，常見的物流需求預測方法有灰色系統預測法[2]、三次指數平滑法[3]、回歸分析法[4]和神經網絡法等[5]，由于經濟發展的復雜性，采用單一的預測方法誤差往往較大，因此，綜合利用各種單一預測模型的預測結果得到適當的加權組合模型來進行預測更為科學，本文采用三次指數平滑法和回歸分析法的組合模型對廣州市物流需求量進行預測，結果表明該模型可以有效地降低單一預測模型的預測誤差，提高預測精度。

1三次指數平滑法

三次指數平滑法是時間序列預測中的一種重要方法，它是用歷史數據的指數加權組合來直接預測時間序列將來值。預測模型為：Yt+T=at+btT+cT2，Yt+T為t+T時刻的預測值；at，bt，ct的計算公式為[6]：

2回歸分析預測法

3基于三次指數平滑與回歸分析的組合預測模型

組合預測模型就是把兩個或兩個以上的單一預測模型的預測結果進行加權，最終以得到的加權平均值作為預測結果的一種方法[7]，本文的組合預測方法就是對上述三次指數平滑模型和回歸分析模型進行加權評價。設Y為組合預測模型的預測值，Y1，Y2分別為三次指數平滑和回歸分析預測模型的預測值，k1，k2分別為三次指數平滑和回歸分析預測模型的權重，則組合模型為：

三、預測結果分析

四、結論和建議

利用組合預測模型對廣州市“十三五”時期末的物流需求進行預測，得出以下結論：“十三五”期間將是廣州市物流業重要發展期，“十三五”末的物流需求將大幅增長。物流業必然會帶動廣州市第一、二、三產業的快速發展，因此相關部門應積極制定配套政策，打造良好的發展環境，使廣州市的物流能力與快速增長的物流需求相匹配，可通過提高物流技術、增加物流基礎設施投入、發展特色物流園區等多種舉措推動廣州市物流業持續健康有序發展。

[參考文獻]

[1]后銳，張畢西基于MLP神經網絡的區域物流需求預測方法及其應用[J]系統工程理論與實踐，2005（12）：43-47

[2]羅永華，何忠偉基于灰色系統理論的茂名市物流需求預測分析[J]物流科技，2010（7）：19-21

[3]謝曉燕，韋學婷，王霖基于指數平滑法的呼、包、鄂三角區物流需求量預測[J]干旱區資源與環境，2013（1）：58-62

[4]方威，肖衡，任湘郴基于線性回歸模型的物流需求預測分析[J]生產力研究，2009（12）：94-95，110

[5]張誠，馮亞萍人工神經網絡模型的江西省物流需求預測[J]華東交通大學學報，2014（4）：26-32

[6]嚴小麗，何超，黃怡浪三次指數平滑法在建筑事故預測中的應用[J]統計與決策，2015（10）：72-73

[7]董艷，賀興時一種組合預測模型及其應用[J]西安工程大學學報，2010（1）：128-130

[8]程春光組合預測在石油行業預算管理中的應用[D]天津大學，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

（責任編輯：張彤彤陳鴻鵬）