最优定权组合预测模型在区域物流量预测中的应用.docVIP

最优定权组合预测模型在区域物流量预测中的应用 　　摘 要：为实现对区域物流量的准确预测，本文采用多元线性回归法、二次指数平滑法、灰色预测模型分别进行物流量的预测，运用最优定权组合预测模型，在单项预测方法预测结果的基础上，以组合误差平方和最小为原则，求得各方法的最优定权系数，组合求解得到最终预测值，以此为区域物流发展规划提供依据。 　　关键词：区域物流量；多元线性回归法；二次指数平滑法；灰色预测模型；组合预测模型 　　中图分类号：F250 文献标识码：A 　　Abstract： In order to realize the accurate estimation for the logistics needs of the region， the thesis use multiple linear regression、double expontial smoothing、grey forecasting model for logistics volume prediction， on basis of these，using the optimal weighting combination model， the principle is to make the least sum of combined square error for each method， getting the optimal weighting coefficients of each method and the finally predicted results， which provide the basis for regional logistics development planning. 　　Key words： forecast logistics amount； multiple linear regression； double expontial smoothing； grey forecasting model； weighting combination model 　　在当今经济全球化快速发展的大背景下，被称为“第三利润源泉”的物流业成为我国经济发展重要的产业和新的经济增长点，备受关注。2015年《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》中，从国家战略发展的高度三次提到“物流”，此外各地区在“十三五”规划的研究工作中也高度重视物流业的发展规划。但是，由于我国物流产业还处于起步阶段，大部分地区没有物流统计的历史数据，大都用货运量代替物流量[1]，影响预测的准确性；具有历史统计数据的地区，如果仅利用单一的预测方法进行预测，结果又存在相对较大的误差。本文采用最优定权组合预测方法[2]，将多种预测方法进行组合求解，大大提升了预测的准确性。采用多元线性预测的方法[3]，通过对区域经济发展情况的预测分析，进而对区域物流量进行预测，规避没有历史物流量统计数据带来的弊端；利用指数平滑法和灰色预测模型[4-6]从一组历史时间序列数据中挖掘有用的信息，寻求物流量本身的变化规律，并据此建立定量分析的数学模型，来预测未来年度的货运量；最后，利用最优定权组合预测模型，将上述三种方法根据组合误差平方和最小为原则[7]，确定单项预测方法的最优加权系数，进行加权求和，得到预测结果，规避了单一预测方法误差较大的弊端。 　　1 区域物流量预测方法 　　区域物流量的预测方法有很多，其中包括德尔菲法（Delphi）、主观概率法、头脑风暴法、专家评估法、市场调查法、历史类比法等定性分析的方法，主要适用于数据奇缺或难于做定量分析的情况；从现阶段国内外已有物流量预测的研究来看，常用的定性预测方法主要有（非）线性回归法、指数平滑法、灰色预测模型、马尔科夫分析、神经网络模型、组合预测模型等。 　　1.1 多元线性回归预测方法 　　多元线性回归预测法是指通过两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。在区域物流量预测中，该方法经常用于没有历史数据统计的情况下，物流量的预测只能通过对区域经济发展和变化、进出口额、固定资产投资情况等几个主要影响因素的变动情况进行分析。 　　3 结 论 　　最优定权组合预测方法在对地区物流量[10]进行预测时，既考虑了地区经济发展等因素的影响，又兼顾了单项预测方法的精准性，以组合预测误差平方和最小为原则，充分利用了各项预测方法的优势，可以得到相对准确的物流量，为区域物流园区的规划建设做出了贡献。 　　参考文献： 　　[1] 邹欣，汲昌霖. 区域物流园区建设规模预测分析[J]. 铁道运输与经济，20