考慮多影響因素的加油站銷量預(yù)測研究

王若琳

（中石化（大連）石油化工研究院有限公司，遼寧大連 116045）

成品油二次物流是指油品從油庫到加油站的運輸組織過程，是成品油物流過程中的重要一環(huán)。實現(xiàn)加油站未來銷量的準(zhǔn)確預(yù)測，可以有效提高二次物流的運輸調(diào)度精確性，幫助企業(yè)實現(xiàn)庫存管理與配送計劃編制，提升運行效率。然而，加油站的銷量受多種因素影響，銷量數(shù)值波動性較強(qiáng)且無顯著規(guī)律。因此，實現(xiàn)加油站銷量的準(zhǔn)確預(yù)測有一定的難度。

由于銷量預(yù)測任務(wù)的數(shù)據(jù)通常為時間序列形式，因此當(dāng)前大多使用時間序列模型，主要方法包括線性回歸、指數(shù)平滑[1]、整合移動平均自回歸模型[2]、機(jī)器學(xué)習(xí)[3-5]、深度學(xué)習(xí)等。支持向量機(jī)[6]、決策樹、迭代算法[7]等模型同樣可用于預(yù)測任務(wù)，但在處理時間序列數(shù)據(jù)時，由于時間序列特性引起的高維度，存在消耗資源大、效率低等問題。隨著深度學(xué)習(xí)的不斷發(fā)展，研究者提出了循環(huán)神經(jīng)網(wǎng)絡(luò)及其衍生方法：長短期記憶網(wǎng)絡(luò)（LSTM）[8]和門控循環(huán)單元[9]，2種衍生方法對于時間序列數(shù)據(jù)的處理和預(yù)測具有較好的效果[10-12]。部分學(xué)者將注意力機(jī)制[13-14]與深度網(wǎng)絡(luò)結(jié)合，使網(wǎng)絡(luò)更加關(guān)注重要的部分。然而，由于加油站銷量的時間序列具有較強(qiáng)的非線性特征，現(xiàn)有的模型精度仍有待提升。

1 加油站銷量影響因素分析

加油站銷量受到多種因素的影響，存在較大的波動性。將加油站銷量影響因素分為特殊日期因素和長短時因素兩大類，通過對比不同加油站的實際銷量數(shù)據(jù)，分析不同因素對加油站銷量的影響程度。

1.1 特殊日期因素

加油站銷量可能會受到某些特殊日期的影響，包括油價調(diào)整、節(jié)假日、特殊天氣等。以某市一典型加油站全年真實數(shù)據(jù)為例進(jìn)行分析。

1）油價調(diào)整

通過繪制加油站實際銷量隨時間的變化圖（見圖1），可以發(fā)現(xiàn)，當(dāng)油價宣布即將上漲時，調(diào)價前的銷量會有所上升，調(diào)價后的銷量會有所下降；反之同理。銷量的變化幅度與調(diào)價幅度有關(guān)。當(dāng)油價調(diào)整幅度較大時，油品銷量的變化也較為明顯，反映出市場預(yù)期和價格信號機(jī)制在成品油市場發(fā)揮著一定作用。油價對銷量的影響主要集中在油價調(diào)整日期的前后2 天內(nèi)，影響的時間范圍不會過長，反映出市場對價格的反應(yīng)速度較快，成品油市場機(jī)制較為健全有效。

圖1 油價對加油站銷量的影響注：圖中紅點表示當(dāng)日油價上調(diào)，綠點表示當(dāng)日油價下調(diào)，單位為元/t

2）節(jié)假日

通過繪制加油站實際銷量隨時間的變化圖，并在圖中標(biāo)出部分典型節(jié)假日節(jié)點（見圖2），可以發(fā)現(xiàn)，節(jié)假日對于加油站銷量的影響較為明顯，表現(xiàn)為：節(jié)假日前1 ～2 天，加油站銷量出現(xiàn)明顯的上升，在節(jié)假日前1天或節(jié)假日當(dāng)天達(dá)到峰值；節(jié)假日期間，銷量呈現(xiàn)下降趨勢；節(jié)假日后1 ～2天，銷量逐漸上升至正常水平。其中，春節(jié)期間銷量的激增與激降情況最為明顯，反映出我國成品油消費體現(xiàn)著明顯的節(jié)日效應(yīng)。

圖2 節(jié)假日對加油站銷量的影響

3）特殊天氣

通過繪制加油站實際銷量隨時間的變化圖，并在圖中標(biāo)出特殊天氣節(jié)點（見圖3），可以發(fā)現(xiàn)，相較于其他因素，天氣對加油站銷量的影響較小。通過對數(shù)據(jù)的梳理，將天氣情況分為3類。一是，晴、陰、多云、小雨、霾等一般天氣：加油站銷量基本不受天氣影響，可以保持正常水平。二是，中雨、小雪、雨夾雪、中雪等惡劣天氣：天氣對加油站銷量產(chǎn)生一定影響，部分加油站銷量會出現(xiàn)小幅下降（但天氣因素影響較小，遇國慶假期銷量仍然上升）。三是，暴雨、大雨、大雪、暴雪等極端天氣：天氣對加油站銷量會產(chǎn)生較為明顯的影響，部分加油站銷量會出現(xiàn)一定程度的下降，反映出成品油市場與不良天氣因素的關(guān)聯(lián)效應(yīng)。

圖3 天氣對加油站銷量的影響

1.2 長短時因素

加油站銷量還可能與各類長短時因素有關(guān)，包括月份、星期、一天中的不同時間段等。選取某市A、B、C、D 4個典型加油站2022年真實銷量數(shù)據(jù)進(jìn)行分析。

1）月份

繪制2022 年4 個典型加油站月銷量變化情況（見圖4），可以看出，加油站銷量與月份有一定的關(guān)聯(lián)。1月和7月整體銷量較高，2月和11月銷量偏低。

圖4 不同加油站月銷量情況

2）星期

為消除季節(jié)等其他因素的影響，以周一為例，將全年所有周一的日銷量求和作為當(dāng)前的周一銷量，并依此得到不同加油站一周7 天的銷量變化情況（見圖5），可以看出，不同加油站一周7 天的銷量變化趨勢相近，相對而言，周五的銷量相對偏高，周末期間會有所下降。

圖5 不同加油站一周銷量變化情況

3）時間段

將2022年所有某時刻的銷量求和作為該時刻總銷量，繪制得到不同加油站一天24小時的銷量變化情況（見圖6），可以看出，加油站銷量在凌晨期間普遍較低，早晚出行高峰期間會出現(xiàn)銷量的急劇增加。

圖6 不同加油站單日分時段銷量變化情況

2 加油站銷量預(yù)測方法

2.1 研究思路

將LSTM 模型引入加油站銷量預(yù)測問題，模型的輸入變量為前1 天或多天的加油站銷量分布情況，即24×n 個小時的銷量數(shù)據(jù)；輸出變量為后1 天或多天的加油站銷量分布，即加油站未來逐小時的銷量需求情況。為進(jìn)一步提升模型預(yù)測準(zhǔn)確性，在LSTM模型基礎(chǔ)上引入關(guān)鍵因素特征，與歷史銷量數(shù)據(jù)一同輸入模型進(jìn)行訓(xùn)練，幫助模型更好地學(xué)習(xí)加油站銷量的變化特點，豐富模型的可學(xué)習(xí)內(nèi)容。

2.2 模型特征數(shù)值量化

根據(jù)對銷量影響因素的分析，利用特征數(shù)值量化的方法建立合理的關(guān)鍵因素特征，使模型輸出的預(yù)測數(shù)據(jù)可以對相關(guān)因素作出有效反饋，提升模型的預(yù)測準(zhǔn)確性。

2.2.1 特殊日期特征

特殊日期因素可以通過對歷史銷量數(shù)據(jù)的分析，獲得較為明確的銷量變化趨勢，因此對其特征的量化公式設(shè)定為f＝A×10n的形式。其中A用于調(diào)整特征值的幅度，n 用于調(diào)整特征值的數(shù)量級，以保證特征數(shù)值與訓(xùn)練數(shù)據(jù)中的加油站銷量處于同一數(shù)量級；f為特殊日期因素的特征量化表示。

1）油價特征

根據(jù)國家油品調(diào)價政策得到調(diào)價日期及調(diào)價幅度，油價特征的量化采用分段函數(shù)的形式。以油價上調(diào)為例，對于調(diào)價當(dāng)天，油價調(diào)整一般于當(dāng)日24時進(jìn)行，在油價上漲前2天，消費者會進(jìn)行儲油準(zhǔn)備，銷量有所上升，此時油價特征為正值（A＝m＞0），且上漲幅度越大，特征值A(chǔ)越大；對于調(diào)價前1天，調(diào)價對于隔天銷量的影響減弱，此時為油價特征賦較小的正值（A＝m/2）；對于調(diào)價后1天，此時價格已經(jīng)上漲，銷量會有所下降，此時為油價特征賦負(fù)值（A＝-m）；對于調(diào)價后2天油價調(diào)整影響減弱，此時為油價特征賦絕對值較小的負(fù)值（A＝ -m/2）。

2）節(jié)假日特征

相較于普通節(jié)假日，春節(jié)期間銷量的波動程度更大，因此，將普通節(jié)假日與春節(jié)進(jìn)行區(qū)分，春節(jié)期間的特征幅度A大于普通節(jié)假日。

節(jié)假日開始的前1天以及結(jié)束的后1天，銷量呈上升趨勢，特征值為正值；節(jié)假日期間，銷量下降，特征為負(fù)值。

3）天氣特征

天氣對銷量影響較小，特征幅度A小于其他特征。一般天氣時，A＝0；惡劣天氣時，A＝-0.5；極端天氣時，A＝-1。

2.2.2 長短時因素特征

此類因素較難通過歷史數(shù)據(jù)分析獲得明確的銷量變化趨勢，因此其特征設(shè)定方式是將歷史數(shù)據(jù)中，不同時間范圍全年銷量之和占全年總銷量的比值作為特征值。即若為月份特征，則特征值為該月銷量占全年總銷量的比重；若為星期特征，則特征值為全年所有該星期日銷量占全年總銷量的比重；若為時間段特征，則特征值為全年所有天數(shù)該時刻的銷量總和占全年總銷量的比重。

3 實驗結(jié)果分析

選擇2018年12月至2023年6月某市多個典型加油站的歷史銷量數(shù)據(jù)作為模型數(shù)據(jù)集。數(shù)據(jù)反映為加油站各個油罐逐小時的液位情況。對數(shù)據(jù)進(jìn)行處理后，得到模型的可用數(shù)據(jù)，將其按照7∶3的比例劃分為訓(xùn)練集和測試集，并選擇均方誤差作為損失函數(shù)。

3.1 引入特征前后的預(yù)測效果對比

將基礎(chǔ)模型與引入特征后的模型預(yù)測效果對比可知，LSTM 基礎(chǔ)模型的預(yù)測情況與真實值之間存在較大誤差。以某典型加油站為例，基礎(chǔ)LSTM的預(yù)測誤差約為21.1%；引入長短時因素特征后模型預(yù)測情況有所提升，預(yù)測曲線更接近真實值，模型預(yù)測誤差降低至18.3%，但對于特殊情況（節(jié)假日、油品調(diào)價）銷量的突然變化，預(yù)測效果依然不理想；最后引入特殊日期特征，模型對于油價調(diào)整、節(jié)假日期間銷量的急劇波動，均可以做出較為正確的預(yù)測，模型預(yù)測準(zhǔn)確性明顯提升，預(yù)測誤差降低至13.6%（見圖7）。

圖7 引入特殊因素特征后的預(yù)測效果

3.2 模型預(yù)測效果

將模型應(yīng)用于不同加油站的不同油品，計算平均預(yù)測誤差（見表1），可以看出，模型中引入影響因素特征對模型預(yù)測效果有較大提升；模型對于加油站的汽油銷量預(yù)測結(jié)果平均誤差小于15%，柴油預(yù)測結(jié)果平均誤差小于18%，能夠滿足應(yīng)用需求。模型具有較好的通用性和魯棒性，在不同加油站中均有較好的預(yù)測表現(xiàn)。

表1 2 種模型對不同加油站汽、柴油的平均預(yù)測誤差 %

4 結(jié)語

通過將預(yù)測模型與市場銷售特點相結(jié)合，引入銷量影響因素特征，為加油站銷量預(yù)測提供了方法和思路，為成品油二次物流的運輸調(diào)度提供準(zhǔn)確依據(jù)，便于工作人員實現(xiàn)加油站油品的主動配送及庫存管理，具有一定的實際借鑒意義。