关于我国救灾应急物资的需求预测方法概述 .pdf

关于我国救灾应急物资的需求预测方法概述

作者简介：陈文沛（1973―），女，汉族，湖南岳阳人，教授，硕导，重庆邮电大学经

济与管理学院，研究方向：市场营销。

陈艺娴（1990-），女，汉族，湖北孝感人，硕士研究生，重庆邮电大学经济与管理学

院，研究方向：物流运作管理。

摘要：当今世界，突发事件时有发生，影响日益严重，对物资的运输及时性和数量准

确性的要求越来越高，使得应急物资需求预测成为关键。本文从案例推理和数学模型两个

方面，概述了救灾应急物资的需求预测方法。

关键词：应急物资；需求预测；案例推理；数学模型

就目前情况来看，与救灾应急物资需求预测相关的还处于研究阶段，国内还处于起步

阶段，研究成果并不多。现有的救灾应急物资需求预测方法有2种：第一种是考虑关键因

素，运用案例推理（CBR，Case-BasedReasoning）的理论，在此过程中寻求最佳相似

源案例从而进行估算；第二种是运用数学模型进行估算。

一、案例推理

目前人工智能中，案例推理是一种比较新兴的推理方法，它最早出现在一本叫做

《DynamicMemory》中，它是由美国耶鲁大学RogerSchank教授1982年所作的。相

似原理是其理论基础。在进行问题求解的过程中，因为以前有类似问题，我们可以使用其

中获得的经验和知识来进行推理，然后分析出新旧情况之间的差异并对其做相应的调整，

从而得到解决新问题的方法，并在案例库中加入新的案例，随着案例库中案例的增加，系

统的“经验”将会越来越丰富。首先对新问题的特征进行详细的描述，然后根据这些特征，

从案例库中检索相似案例，比较旧案例与新问题的异同之外，对旧案例进行调整，从而获

得新问题的解。这就是案例推理的核心思想。近年来，有学者运用案例推理的思想方法研

究应急物资的需求预测。

王晓等[1]主要利用案例推理法进行资源需求预测，同时将模糊集理论，神经网络与案

例推理相结合，通过模糊化案例的属性，以及利用神经网络对权值进行训练调整，还将资

源进行了分类预测，改进了以往算法的精确度，提高了非常规突发事件预测的效率和精度。

在得出相似案例之后，根据多元回归理论，对资源需求进行了预测。

张晓磊等[2]利用模糊相似优先比的算法，从源案例库中寻找与目标案例最佳相似的样

本案例，并通过最佳相似样本案例的数据资料和规律，抽取主要因素，进行目标案例的需

求预测。

王兰英等[3]基于应急物资需求预测的特点，引入直觉模糊集来描述案例的不精确属

性。在定义直觉模糊集的相似度基础上，构建了源案例的特征因素矩阵，提出了基于模糊

案例推理的应急物资需求预测模型，通过算例分析验证了该方法的有效性。

二、数学模型

近年来，学者运用各种数学模型研究救灾应急物资需求。有学者运用具有较强的非线

性逼近能力的神经网络研究应急物资需求预测。而有些专家先运用相关方法预测灾害中的

受伤人数和死亡人数，再结合库存管理知识构建数学模型预测应急物资需求量。也有学者

运用适用于小样本的最小二乘支持向量机构建模型预测应急物资需求。还有学者运用灰色

系统模型预测应急物资需求。

孙燕娜等[4]设计了一个需求概念模型，该模型是与医疗、食物或者日常用品等相关的。

实际最小需求量与灾害等级、受灾面积、人口密度、每人每天对物资的需求量以及应急救

援的最少天数等相关，它们之间构成了一个的函数。

郭金芬等[5]对灾后受伤人数和死亡人数进行了预测，采用的是BP神经网络算法，然

后算法与模型相结合，对灾区应急物资的需求量进行估算。

赵一兵等[6]先用支持向量机回归算法建立了人员伤亡预测模型，该模型与库存管理模

型相结合，对应急物资进行了估算。

刘文博等[7]针对应急物资需求量的预测问题，提出了一种改进的加权最小二乘支持向

量机的数据驱动建模方法。在该方法中，各数据样本的权重可以根据最小二乘支持向量机

的学习结果进行不断的自适应迭代修正，从而消除包含误差的数据样本对预测模型的影响。

此外，还提出了一个遗传算法优化确定模型中的参数。

宋晓宇等[8]通过对原始数据序列进行变换使其服从指数规律的方法改进了传统GM

（1，1）模型，克服了其指数规律的不足，用改进模型对应急物资需求量进行了预测。

王正新等[9]针对灾害应急物资需求量时间序列的小样本和振荡性特征