灰色預(yù)測模型在煤礦物流需求預(yù)測上的應(yīng)用

郭健

摘要：這幾年來，物流管理作為國民經(jīng)濟增長的基礎(chǔ)性支撐，已經(jīng)得到了很大的發(fā)展。而物流的需求與預(yù)測作為物流發(fā)展的一個重要的課題，合理的物流需求預(yù)測會為企業(yè)減少不必要的費用，提高經(jīng)濟效益。先闡述了物流以及物流需求預(yù)測在國內(nèi)外研究現(xiàn)狀及部分成果，簡單地介紹了物流及物流需求預(yù)測和灰色模型的相關(guān)的理論。隨后，通過對2012-2015年某能源基地煤礦需求量進行系統(tǒng)分析，最后運用灰色預(yù)測模型和方法對未來的需求量進行了一定量的預(yù)測。

關(guān)鍵詞：物流；需求預(yù)測；灰色預(yù)測方法

中圖分類號：F25文獻標識碼：Adoi：10.19311/j.cnki.16723198.2017.35.011

1選題背景和意義

現(xiàn)代物流是一個先進的組織模式和管理技巧，是以高效率的從生產(chǎn)到消費過程中對產(chǎn)品的計劃、管理和配送?，F(xiàn)代物流已經(jīng)被廣泛地認為是減少物料成本和提高生產(chǎn)勞動率的主要源泉。因此，它被稱為是企業(yè)和社會的“第三利潤源泉”。

物流需求預(yù)測，它是將物流市場的具體信息，無論是過去的還是現(xiàn)在的，找出影響需求變化的因素，并且將這些因素聯(lián)系到一起，通過使用一些經(jīng)驗談判、技術(shù)方法和相應(yīng)的模型，再利用合理的科學(xué)方法對相應(yīng)的反映市場需求指標的變化以及將后的趨勢來進行預(yù)測分析。

物流需求預(yù)測分析有助于企業(yè)物流系統(tǒng)的合理建設(shè)和物流設(shè)施的合理配置。任何企業(yè)要是想長期且穩(wěn)定良好的發(fā)展，就必須要建立合理的物流系統(tǒng)和設(shè)施。其次，企業(yè)要定制一系列的戰(zhàn)略計劃、商品、銷售計劃，尤其是物流管理計劃，都需要需求預(yù)測，它是重要依據(jù)。因為一切物流活動都必須從對于信息的了解分析和預(yù)測入手，因此，需求預(yù)測是企業(yè)物流管理活動中最重要的環(huán)節(jié)。

2物流需求預(yù)測

2.1需求預(yù)測

所謂預(yù)測，就是根據(jù)過去的數(shù)據(jù)和信息，通過相應(yīng)的方法進行未來情況的模擬與預(yù)測。我們都知道，未來的狀況并不是穩(wěn)定的，它們是隨機變化的，因此預(yù)測并不能做到絕對的準確。

當(dāng)企業(yè)作出需求預(yù)測的同時，他們就獲得了他們相應(yīng)的產(chǎn)品在今后一段時間內(nèi)的需求期望水平，并且還可以通過結(jié)果來調(diào)節(jié)和協(xié)調(diào)企業(yè)的計劃和控制。需求預(yù)測會極大的影響著企業(yè)正常生產(chǎn)決策，這是由于企業(yè)運營生產(chǎn)主要是為了向社會輸出相應(yīng)的服務(wù)。

通常來講，需求的可預(yù)測性分為：（1）有可尋出規(guī)律的，且能有很大概率找出其中的規(guī)律進行預(yù)測；（2）無可尋出規(guī)律的，但是相對而言較為穩(wěn)定的，有著持續(xù)性；（3）無規(guī)律需求，且不可預(yù)估。

一般的預(yù)測的簡單步驟可以概括為：

（1）確立預(yù)測的目標和用法；（2）要依據(jù)所從事行業(yè)不同的產(chǎn)品以及特性進行分類；（3）要確立影響各種商品需求的要素及其關(guān)鍵性；（4）要搜集一切可以使用的過去和現(xiàn)在的數(shù)據(jù)材料，進行系統(tǒng)性分析；（5）確定一套較為符合產(chǎn)品需求規(guī)律的選擇模型和方法；（6）通過所選擇的方法和模型進行初步的演算和模擬；（7）要全方面的考察和找尋無法進行模擬的內(nèi)外因素；（8）結(jié)果前2步，對之前的數(shù)據(jù)進行全面考慮，分析、判斷并得出結(jié)果，之后模擬出各類商品的模擬需求；（9）根據(jù)所獲得的結(jié)果，運用到實際的工作計劃當(dāng)中；（10）依據(jù)現(xiàn)實的產(chǎn)生的需求對模擬值進行評估與修改。

從大的方面，我們可以將預(yù)測分成定性預(yù)測與定量預(yù)測。在實際的工程環(huán)境當(dāng)中，定性預(yù)測是極其普遍的，它可謂是到處可見。由于手上的資料不夠充分，導(dǎo)致我們對實際的情況無法完全掌握，或因為諸多因素，使得實際情況中的關(guān)聯(lián)非常復(fù)雜，很難利用數(shù)字公式表達，此時就應(yīng)該使用定性預(yù)測。定性預(yù)測需要重點關(guān)注的地方，就是實際情況的發(fā)展走向以及所遇到的實際實行過程中所存在的各種突發(fā)情況和影響原因。定性預(yù)測能夠充分運用到實際操作專家的經(jīng)驗性理論知識，能夠十分靈活的將他們的主觀能動性和實踐情況相結(jié)合，而且更加能夠運用于現(xiàn)實情，能得到好的結(jié)果。

而相對的，定量預(yù)測是利用一些原始數(shù)據(jù)或者關(guān)鍵因素，通過特定的方法來進行模型建立。與定性預(yù)測不同，定量預(yù)測需要我們能夠掌握完整的數(shù)據(jù)，能夠?qū)ΜF(xiàn)有的情況十分了解，再利用一些科學(xué)的方法進行實際分析模擬，這樣來可以展現(xiàn)出所研究目標的某些特殊規(guī)律，然后使用這些來分析今后的走勢。該方法的重要特征，便是數(shù)據(jù)的收集和統(tǒng)計以及相應(yīng)的建模。但是這種方法并不是叫我們不考慮各種主觀的影響因素，很多時候主觀因素會在實際情況中產(chǎn)生著巨大的作用，只是定量分析中所表現(xiàn)出來的作用較小。

2.2影響需求預(yù)測的因素

各大因素不是單一影響需求的，而是他們相互影響，相互作用，影響著企業(yè)商品或者服務(wù)的實際市場上的需求。其中，企業(yè)自身的努力可以影響部分因素，但是企業(yè)對另一部分因素卻是無法控制的。在這些因素相互作用下，通常來講，企業(yè)所占有的市場份額以及某產(chǎn)品或服務(wù)的市場占有量影響著該產(chǎn)品或者服務(wù)的實際需求。圖1中就給出了這些影響因素。

3灰色預(yù)測模型

3.1灰色系統(tǒng)理論

灰色系統(tǒng)理論的內(nèi)容有很多，但是談到最具有代表性之一的，我們一般都會想到的是灰色預(yù)測模型。跟現(xiàn)有的大部分需求預(yù)測的方法不同，灰色預(yù)測模型它研究的對象是信息貧乏的，可以說是一個全新的理論模型。在實際的生活情況中，往往都有著相當(dāng)多的不確定性因素，這就導(dǎo)致了很多時候，我們都對以后的趨勢無法進行評估預(yù)測，無法掌握，其他經(jīng)典的預(yù)測方法也不能夠滿足人們這一需要，灰色預(yù)測模型正是由于這樣的背景而誕生了?；疑A(yù)測模型可以有效地解決這一難題，通過利用小樣本元素、最合適的數(shù)據(jù)，使用序列累加法，體現(xiàn)預(yù)測對象的今后的走勢。

至今為止，關(guān)于經(jīng)典的GM（1，1）模型的研究主要集中在以下六個方面：

（1）對GM（1，1）模型的性質(zhì)進行研究。

（2）重點討論經(jīng)典GM（1，1）模型的初始值選取問題。

（3）重點研究經(jīng)典GM（1，1）模型背景值的選取。endprint

（4）運用緩沖算子提高模型模擬精度。

（5）通過提高原始序列光滑度的方法提高經(jīng)典GM（1，1）模型的模擬、預(yù)測精度。

（6）研究與傳統(tǒng)GM（1，1）模型對應(yīng)的新模型。

3.2基本GM（1，1）模型

3.2.1GM（1，1）模型的建立

記X（0）為原始數(shù)據(jù)，X（0）=x（0）（1），x（0）（2），…，x（0）（n），生成數(shù)為X（1）=x（1）（1） ，x（1）（2），…，x（1）（n），兩者滿足以下關(guān)系：

X（k）=∑ki=1X0（i）；k=1，2，…，n

設(shè)X（0）=x（0）（1），x（0）（2），…，x（0）（n），X（1）=x（1）（1），x（1）（2），…，x（1）（n），Z（1）=z（1）（1），z（1）（2），…，z（1）（n），其中z（1）（k）=05x（1）（k）+x（1）（k-1），則稱

x（0）（k）+az（1）（k）=b

為GM（1，1）模型的基本形式。其中-a為發(fā)展系數(shù)；b為灰色作用量。

GM（1，1）模型的時間響應(yīng)式為

（1）（k+1）=（x（0）（1）-ba）e-ak+ba，k=1，2，…，n

還原值

（0）（k+1）=（1）（k+1）-（1）（k）=（1-ea）（x（0）（1）-ba）e-akk=1，2，…，n

設(shè)=a，bT為參數(shù)列，且

Y=x（0）（2）x（0）（3）…x（0）（n），B= -z（1）（2）-z（1）（3）…-z（1）（n） 11…1

設(shè)為待估參數(shù)向量，=aμ，可利用最小二乘法求解。解得：

=（BTB）-1BTYn

稱dx（1）（t）dt+ax（1）（t）=b為x（0）（k）+az（1）（k）=b的白化方程，也叫影子方程。

a體現(xiàn)了（0）和x（1）的增長趨勢。大部分的案例中，可以利用演算，計算出系統(tǒng)作用量，或者在案例中是已知條件。而所謂的單序列建模，它指的是僅僅使用了所研究的案例對象中所已知的行為序列，而這種行為序列有時也可以叫作輸出序列或者背景值，這種建模方式是不會使用或者存在著外作用序列即輸入序列或者驅(qū)動值。而且我們都知道，b作為GM（1，1）模型中利用背景值所演算出來的灰色作用量，它能夠表現(xiàn)出案例中數(shù)據(jù)間的變化規(guī)律，它是灰色內(nèi)容的主要部分之一。

3.2.2GM（1，1）模型檢驗

灰色預(yù)測檢驗一般有關(guān)聯(lián)度檢驗、殘差檢驗和后驗差檢驗。

（1） 關(guān)聯(lián)度檢驗。

①關(guān)聯(lián)系數(shù)。

設(shè)（0）（k）=（0）（1），（0）（2），…，（0）（n），X（0）=x（0）（1），x（0）（2），…，x（0）（n），則關(guān)聯(lián)系數(shù)定義為：

η（k）=minmin（0）（k）-x（0）（k）+ρmaxmax（0）（k）-x（0）（k）（0）（k）-x（0）（k）+ρmaxmax（0）（k）-x（0）（k）

式中：（0）（k）-x（0）（k）為第k個點x（0）與（0）的絕對誤差；

minmin（0）（k）-x（0）（k）為兩級最小差；

maxmax（0）（k）-x（0）（k）為兩級最大差；

ρ稱為分辨率，0<ρ<1，一般取ρ=0.5。

②關(guān)聯(lián)度。

r=1n∑nk=1η（k）稱為X（0）（k）與（0）（k）的關(guān)聯(lián)度。

（2） 后殘差檢驗。

C=S2S1 P=pΔ0（i）-Δ-0<0.6475S1

其中S1為原始數(shù)列標準差，S2為絕對誤差序列標準，Δ0（i）為絕對誤差序列。

（3） 殘差檢驗。

設(shè)原始序列x（0）（1），x（0）（2），…，x（0）（n），相應(yīng)的預(yù)測模型模擬序列為（0）（k）=（0）（1），（0）（2），…，（0）（n），殘差序列為：

ε（0）=ε（1），ε（2），…，ε（n）=

x（0）（1）-（0）（1），x（0）（2）-（0）（2），…，x（0）（n）-（0）（n）

相對誤差序列為：

Δ=ε（1）x（0）（1），ε（2）x（0）（2），…，ε（2）x（0）（2）=Δkn1

則：①對于k≤n，稱Δk=ε（k）x（0）（k）為k點的模擬相對誤差，稱=1n∑nk=1Δk為平均相對誤差；

②稱1-為平均相對精度，1-Δk為k點的模擬精度，k=1，2，…，n；

③給定a，當(dāng)

而且，通過鄧聚龍教授的分析，得出了下述結(jié)論：

①當(dāng)-a≤0.3時，該方法模型可以進行時間跨度為中長期的預(yù)測；

②當(dāng)0.3≤-a≤0.5時，該方法模型可以進行時間跨度為短期的預(yù)測，中長期慎用；

③當(dāng)0.5≤-a≤0.8時，該方法模型進行時間跨度為短期的預(yù)測應(yīng)該十分謹慎；

④當(dāng)0.8<-a≤1時，應(yīng)采用殘差修正GM（1，1）模型；

⑤當(dāng)-a>1時，不宜用GM（1，1）模型。

4灰色預(yù)測模型應(yīng)用

通過前面2章的介紹我們已經(jīng)大概了解了各項預(yù)測方法以及它們的簡單應(yīng)用。這一章將根據(jù)前面的內(nèi)容，對某能源基地的煤礦需求進行灰色預(yù)測，根據(jù)已經(jīng)掌握的資料，得到了某能源基地數(shù)據(jù)如表2。

（4）模型的檢驗與結(jié)果分析。

①殘差檢驗。

通過上述的具體數(shù)據(jù)以及分析，能從數(shù)據(jù)中得到的結(jié)論是，平均相對誤差僅僅為2.90%<0.05，Δ6=3.38%>0.05，平均相對精度為97.10%，因此，得到的模擬數(shù)值是基本準確的，根據(jù)上述的判定表可知，為二級合格。

②關(guān)聯(lián)度檢驗。

由原數(shù)據(jù)跟演算的數(shù)據(jù)對比，我們可以知道，模擬序列原始序列的絕對關(guān)聯(lián)度ε=0.97255581>0.90，由上述的判定表可知，模擬出來的數(shù)據(jù)的精確度較為優(yōu)秀。

5結(jié)論

本文在國內(nèi)外物流需求預(yù)測研究的基礎(chǔ)上，運用灰色預(yù)測方法對某能源基地煤量進行需求預(yù)測分析。

上面的實例分析，我們可以知道了實際情況，該公司的煤炭需求GM（1，1）模型預(yù)測能得到較好的預(yù)測結(jié)果，較為準確的能為該地區(qū)的煤礦需求提供參考價值。

參考文獻

[1]崔翠.國內(nèi)外物流需求預(yù)測研究概況[J].物流工程與管理，2013，（4）：610.

[2]聶佳佳.需求信息預(yù)測隊制造商回收再制造策略的價值[J].管理科學(xué)學(xué)報，2014，（1）：3536.

[3]高洪波，楊建強.基于多變量灰色模型算法的物流需求預(yù)測研究[J].物流技術(shù)，2013，（7）：220221.

[4]張麗萍，楊江龍.基于灰色模型的臨沂市物流需求預(yù)測[J].物流技術(shù)，2013（3）：274275.

[5]王雷震，戈猛.物流管理概論[M].北京：機械工業(yè)出版社，2012：213，2728.

[6]Gardner， Everette S.， Jr.， McKenzie， Ed.Seasonal Exponential SmoothingWith Damped Trends[J].Management Science，1989，35（3） 372376.

[7]劉沖.物流需求預(yù)測研究分析[D].濟南：山東交通學(xué)院，2008.

[8]陳榮秋，馬士華.生產(chǎn)與運作管理[M].北京：高等教育出版社，2005：7191.

[9]倪冬梅，趙秋紅，李海濱.需求預(yù)測綜合模型及其與庫存決策的集成研究[J].管理科學(xué)學(xué)報，2013，（9）：4546.

[10]Geng Yong， Ju Songdong， Chen Yana. Analysis and Forecast of Logistic Demand Based on BP Neural Network [J]. Logistic technology， 2007，（7）：3537，73.

[11]Chai Dasheng， Huang Zhixing and Shen Jinsheng. Application of Gray Forecast Method in Demand Forecast of Logistic Parks [J].Analysis and forecast， 2007，（7）： 7375.endprint