基于組合預測方法的鄭州市貨運周轉量預測研究

徐燁昕， 陸 芬

(武漢科技大學 管理學院， 湖北 武漢430070)

隨著電子商務和共享經(jīng)濟的進一步發(fā)展，物流的重要性逐漸提高,專業(yè)化和社會化促進了各行業(yè)物流需求的增長。鄭州商貿流通的迅速發(fā)展，國內外大型商貿流通企業(yè)先后入駐鄭州，大市場、大流通格局的逐漸形成，隨著帶動了物流業(yè)的快速發(fā)展。截止到2020年，鄭州市的貨運周轉量、貨物量以及業(yè)務總量都呈現(xiàn)持續(xù)增長的態(tài)勢，物流需求規(guī)模悄然發(fā)生變化，物流服務供需更加不穩(wěn)定，無法有效評估物流需求。因此，建立有效數(shù)學模型確定物流需求顯得尤為重要。

李偉瑩等[1]建立了灰色預測模型，探討了我國水產品物流需求，并從技術、渠道、人才、政策等方面提出了相關建議。吳家麒等[2-3]通過建立改進的灰色馬爾可夫鏈模型，對目標城市的物流需求(貨運量)進行了定量預測，得到了更準確的結果。張雪[4]基于GM(1,1)模型對河北省冷鏈物流需求進行了定量預測。黃建華等[5-6]基于ARIMA模型的組合預測方式，能有效提高預測精度。姜云璐等[7]將灰色預測模型運用到山區(qū)土地利用時空變化方面。韓正超等[8]認為，物流需求是經(jīng)濟發(fā)展產生的衍生需求，是經(jīng)濟發(fā)展的產物。在組合預測方法[9-11]中，灰色預測模型同樣是研究熱點。指數(shù)平滑法[12]在預測方法中利用率也很高。鄭偉倫[13]利用指數(shù)法預測江西省GDP，可以更好地檢測數(shù)據(jù)的波動性。

系統(tǒng)預測的方法有很多，包括線性回歸預測法、指數(shù)平滑預測法、彈性系數(shù)預測法、灰色預測法等。灰色預測法和指數(shù)平滑預測法都可以利用Excel表格軟件進行計算，但灰色預測法不需要很多的數(shù)據(jù)就可以對目標進行結果預測。本文采集鄭州市經(jīng)濟社會發(fā)展的主要統(tǒng)計指標(貨運周轉量)，使用改進灰色預測法和二次指數(shù)平滑法對鄭州市未來5年的綜合貨運量做出合理預測。

1 鄭州市貨運周轉量預測分析

1.1 基礎數(shù)據(jù)

貨運需求量采用地方統(tǒng)計局的實際數(shù)據(jù)，如表1所示。

表1 鄭州市貨運周轉量與主要經(jīng)濟指標數(shù)據(jù)

1.2 灰色預測法數(shù)據(jù)檢驗

為保證建模方法的可行性，需要對原始數(shù)據(jù)做必要的檢驗處理。設已知的原始數(shù)據(jù)為

x(0)=[404.3,479.8,564.1,630.9,527.7,537,548.2,686.4,779.2,855.4,680.5,706.2]。

計算數(shù)據(jù)的可容覆蓋為Θ=(0.857 403 919,1.153 564 995)。對原始數(shù)據(jù)進行序列級比計算，得到序列級比數(shù)據(jù)，如表2所示。

表2 灰色預測法對原始數(shù)據(jù)進行序列級比

從表2可以看出，原始數(shù)據(jù)中序列中的級比基本都超出了可容覆蓋Θ=(0.857 403 919,1.153 564 995)的范圍，沒有被覆蓋。需要對原始數(shù)據(jù)序列x(0)進行相應的平移變換，保證序列級比在可容覆蓋之內。通過累加平移變換，最終得到數(shù)據(jù)序列

z(0)=[904.3，979.8,1064.1,1130.9,1027.7,1037,1048.2,1186.4,1279.2,1355.4,1180.5,1206.2]，

此時全部序列級比都達到了可容性覆蓋。

平移變換后得數(shù)據(jù)序列z(0)，符合灰色預測的建模條件，取變換過后的數(shù)據(jù)序列作為初始研究序列建立灰色預測GM(1,1)模型。

1.3 指數(shù)平滑法指標選擇

平滑系數(shù)α的選擇是預測趨勢值是否能符合實際值的關鍵。α值越大，近期需求所占權重越大;α值越小，歷史數(shù)據(jù)所占權重越大。一般遵循如下標準：

(1)如果希望消除季節(jié)波動對時間序列的影響，反映時間序列的長期趨勢規(guī)律，可以選擇較小的α值，一般取0.1～0.3之間。減少修正幅度，使新數(shù)列中包含較多的原始數(shù)據(jù)信息，有利于增強預測結果的可信度。

(2)當原始數(shù)列波動較大時，α應選擇適中一些的數(shù)值(0.3～0.5)。

(3)希望能盡快反應觀測值的變化，且原數(shù)列波動很大、趨勢也較明顯時，可以選取較高的α值，一般在0.6～0.8之間。有利于增加模型的準確度，使預測結果迅速跟上歷史數(shù)據(jù)的變動水平。

2 鄭州市貨運需求預測研究

2.1 灰色預測法

使用累加平移變換后得數(shù)據(jù)序列z(0)，利用Excel表格建立模型并對數(shù)據(jù)進行分析。通過計算與檢驗，得到最終的預測數(shù)據(jù)與誤差值，如表3所示。

表3 灰色預測法的最終預測結果

2.2 指數(shù)平滑預測法

2.2.1 指數(shù)平滑預測法原理

二次指數(shù)平滑法的計算公式為：

(1)

Yt+T=at+bt·T

(2)

(3)

(4)

2.2.2 數(shù)據(jù)預測

根據(jù)平滑系數(shù)的選擇原則，為了消除原始數(shù)據(jù)較大的波動值，也由于原始數(shù)據(jù)的時期較長。最終選擇0.3作為初始平滑系數(shù)，進行二次平滑預測，最終得出的預測值與誤差值，如表4所示。

表4 平滑系數(shù)α=0.3時貨物量預測結果

為保證預測的準確性，利用Excel表格中的模擬運算表，對0.01～0.99之間的所有平滑系數(shù)α可能取值進行模擬運算，求出MES最小值為9 962.816 123，進行篩選，得出了最優(yōu)平滑系數(shù)α值是0.26。

使用模擬運算表求出的最優(yōu)平滑系數(shù)α值重新進行預測，結果如表5所示。

表5 平滑系數(shù)α=0.26時貨物量預測結果

為驗證兩次不同的平滑系數(shù)取值，將兩次的相對誤差進行對比，如圖1所示。觀察折線圖的高低起伏，當平滑系數(shù)值為0.26時的相對誤差要明顯小于平滑系數(shù)值為0.3時，最終取平滑系數(shù)值為0.26時的預測數(shù)據(jù)作為最終研究數(shù)據(jù)。

圖1 兩次平滑系數(shù)的誤差對比圖

2.3 綜合對比

用兩種方式分別對鄭州市的貨物吞吐量進行了預測，將兩組數(shù)據(jù)進行對比分析，如表6所示。

表6 兩種預測方法的預測值與相對誤差

為了更清晰的體現(xiàn)兩種方法的預測數(shù)據(jù)，對原始數(shù)據(jù)與預測數(shù)據(jù)進行對比，如圖2所示。

圖2 兩種預測結果與原數(shù)據(jù)對比

由圖3可以清晰地看到指數(shù)平滑法數(shù)據(jù)、灰色預測法數(shù)據(jù)和原數(shù)據(jù)之間都具有一定的誤差。但是，通過指數(shù)平滑法預測出來的數(shù)據(jù)，相比于原始數(shù)據(jù)沒有太多的滯后性，且較為敏感。最終選用指數(shù)平滑法對鄭州市未來5年的貨物周轉量進行預測。

2.4 最終預測值

使用指數(shù)平滑法，選取最后一次(即2020年)計算得到的a、b值作為常量，帶入公式(2)，即：Yt+T=746.784+19.718 124 9·T，得到了未來5年(2021～2025年)的最終預測值，如表7所示。

表7 鄭州市未來5年的貨物周轉量預測值

鄭州市2021年～2025年的五年的貨物周轉量的預測值分別為766.502億t·km、786.221億t·km、805.939億t·km、825.657億t·km、845.375億t·km。

3 結 語

鄭州物流業(yè)的發(fā)展方向應結合國家政策和河南省的具體經(jīng)濟發(fā)展水平，一方面滿足物流供需平衡，另一方面要實現(xiàn)物流的發(fā)展和服務質量的提高。