论文部分内容阅读
[摘 要] 本文据西安市近年来的物流需求数据，建立灰色预测模型，预测结果显示,可用作西安市未来几年的物流决策、确定物流基础设施建设规模及投资分析。
[关键词] 预测 物流需求 灰色模型
一、物流需求预测指标的选择
为了对物流需求进行量化研究，本文采用实物量体系中的货运量或货物周转量来表示物流需求。因为货运量或货运周转量在一定程度上表示物流需求量能反映物流需求变化规律，所以利用货运量或货物周转量的历史数据进行物流需求预测建模是可行的。
本文以2000年～2007年西安的地区生产总值、货运量和货物周转量的数据为基础来建模预测。其具体数据见表1。物流需求是一个“少数据，不完全信息”的灰色系统，所以用灰色系统理论来对其进行预测。
数据来源：西安市统计年鉴
二、GDP、货运量和貨物周转量之间的关联分析
物流需求根本上是由社会经济活动引起的。因此，通过对代表经济活动的GDP和货运量、货物周转量的关联分析可以更好的确定哪个指标更具代表性。
GDP数列(参考数列）:X1=(646.13,734.86,…1473.68,1737.10)
货运量数列为:X2=(6999.24,7728.35,…15942,19404)
货物周转量数列为:X3=(3638002,4229429,…6820923,7341444)
为了让数据具有可比性，先对数列进行无量纲处理，从而得到各数列的初值像,由X’i=Xix’i(1)=(x’i(1),x’i(2),…x’i(7),x’i(8);i=1,2,3)得：X’1=(1,1.1373,…,1.1602,1.1787),X’2=(1,1.1041,…,1.0121,1.2172),X’3=(1,1.1626,…,1.0934,1.0763)
取ε＝0.5计算关联系数,灰色关联度,;
关联系数：
通过计算得到生产总值与货运量的灰色关联度为R12=0.61989;生产总值与货物周转量的关联度为R13=0.889166。R13＞R12＞0.5,由关联度知，货运量和货物周转量与生产总值都有较好的关联程度，并且货物周转量与生产总值的关联度大于货运量与生产总值的关联度，说明货物周转量更能代表西安市的物流需求水平。
三、建立物流需求灰色预测GM(1,1)模型
取2000年～2007年的货物周转量。X(0)=(3638002,6820923,…,7341444)，X(1)=(3638002,7867431,1241352,17451196,23301225,29539273,36360196,43701640)由Z(1)=，k=2,3,…n。可以得出X(1)的紧邻均值生成序列Z(1)=(5752717,10140472,14932354,20376211,26420249,32949735,40030918)根据检验条件，其光滑比序列和级比数列分别为：
p(k)=(1.1626,0.5778,0.4058,0.3352,0.2677,0.2309,0.2019)
σ(k)=(2.1626,1.5778,1.4058,1.3352,1.26771.2309,1.2018)
从以上两数列可以看出:当k>3时，p(k)<0.5,σ(k)∈[1,1.5]，从而得到原始数据满足准光滑性，X(1)满足准指数规律，因此，可以对X(1)建立GM(1,1)模型有：
对参数列进行最小二乘估计。得。时间响应式为:
由此得的模拟值为：=(3638002，4241738.475343，4659058.3559，5117435.902722，5620910.539854，6173919.106682，6781334.957315，7448510.906718)
四、模型的检验
在对未来物流需求量进行预测前，必须对模型进行有效性检验，经检验合格后才能运用该模型进行预测和分析。模拟值、残差和相对误差如表2所示。
平均相对误差=0.01620379<0.05,说明该模型通过检验，精度接近一级。因此可以用该模型对西安市未来物流需求进行预测。预测结果如表3所示。
五、结语
通过运用灰色系统理论建立物流需求量预测模型，对西安市未来的物流需求作了预测。由预测结果可知2008～2013年西安市的物流需求水平逐步提升，呈现出平稳增长的态势。物流需求大规模增长的同时，必然会诱发物流专业人才的大量需求、物流基础设施投资的增长；社会也会对物流服务提出更高要求。因此，各方应抓住机遇，完善各项基础设施建设。需要说明的是,本文只是采用定量分析的方法，如与定性分析有机结合起来,效果会更好。
参考文献：
[1]西安统计局.西安统计年鉴.北京:中国统计出版社，2001～2008
[2]刘思峰:灰色系统理论及其应用[M].北京：科学出版社,2004 125～134
[3]潘英英 宋国喜:物流需求预测模型研究[J].广西财经学院学报,2008.2 26～29
[关键词] 预测 物流需求 灰色模型
一、物流需求预测指标的选择
为了对物流需求进行量化研究，本文采用实物量体系中的货运量或货物周转量来表示物流需求。因为货运量或货运周转量在一定程度上表示物流需求量能反映物流需求变化规律，所以利用货运量或货物周转量的历史数据进行物流需求预测建模是可行的。
本文以2000年～2007年西安的地区生产总值、货运量和货物周转量的数据为基础来建模预测。其具体数据见表1。物流需求是一个“少数据，不完全信息”的灰色系统，所以用灰色系统理论来对其进行预测。
数据来源：西安市统计年鉴
二、GDP、货运量和貨物周转量之间的关联分析
物流需求根本上是由社会经济活动引起的。因此，通过对代表经济活动的GDP和货运量、货物周转量的关联分析可以更好的确定哪个指标更具代表性。
GDP数列(参考数列）:X1=(646.13,734.86,…1473.68,1737.10)
货运量数列为:X2=(6999.24,7728.35,…15942,19404)
货物周转量数列为:X3=(3638002,4229429,…6820923,7341444)
为了让数据具有可比性，先对数列进行无量纲处理，从而得到各数列的初值像,由X’i=Xix’i(1)=(x’i(1),x’i(2),…x’i(7),x’i(8);i=1,2,3)得：X’1=(1,1.1373,…,1.1602,1.1787),X’2=(1,1.1041,…,1.0121,1.2172),X’3=(1,1.1626,…,1.0934,1.0763)
取ε＝0.5计算关联系数,灰色关联度,;
关联系数：
通过计算得到生产总值与货运量的灰色关联度为R12=0.61989;生产总值与货物周转量的关联度为R13=0.889166。R13＞R12＞0.5,由关联度知，货运量和货物周转量与生产总值都有较好的关联程度，并且货物周转量与生产总值的关联度大于货运量与生产总值的关联度，说明货物周转量更能代表西安市的物流需求水平。
三、建立物流需求灰色预测GM(1,1)模型
取2000年～2007年的货物周转量。X(0)=(3638002,6820923,…,7341444)，X(1)=(3638002,7867431,1241352,17451196,23301225,29539273,36360196,43701640)由Z(1)=，k=2,3,…n。可以得出X(1)的紧邻均值生成序列Z(1)=(5752717,10140472,14932354,20376211,26420249,32949735,40030918)根据检验条件，其光滑比序列和级比数列分别为：
p(k)=(1.1626,0.5778,0.4058,0.3352,0.2677,0.2309,0.2019)
σ(k)=(2.1626,1.5778,1.4058,1.3352,1.26771.2309,1.2018)
从以上两数列可以看出:当k>3时，p(k)<0.5,σ(k)∈[1,1.5]，从而得到原始数据满足准光滑性，X(1)满足准指数规律，因此，可以对X(1)建立GM(1,1)模型有：
对参数列进行最小二乘估计。得。时间响应式为:
由此得的模拟值为：=(3638002，4241738.475343，4659058.3559，5117435.902722，5620910.539854，6173919.106682，6781334.957315，7448510.906718)
四、模型的检验
在对未来物流需求量进行预测前，必须对模型进行有效性检验，经检验合格后才能运用该模型进行预测和分析。模拟值、残差和相对误差如表2所示。
平均相对误差=0.01620379<0.05,说明该模型通过检验，精度接近一级。因此可以用该模型对西安市未来物流需求进行预测。预测结果如表3所示。
五、结语
通过运用灰色系统理论建立物流需求量预测模型，对西安市未来的物流需求作了预测。由预测结果可知2008～2013年西安市的物流需求水平逐步提升，呈现出平稳增长的态势。物流需求大规模增长的同时，必然会诱发物流专业人才的大量需求、物流基础设施投资的增长；社会也会对物流服务提出更高要求。因此，各方应抓住机遇，完善各项基础设施建设。需要说明的是,本文只是采用定量分析的方法，如与定性分析有机结合起来,效果会更好。
参考文献：
[1]西安统计局.西安统计年鉴.北京:中国统计出版社，2001～2008
[2]刘思峰:灰色系统理论及其应用[M].北京：科学出版社,2004 125～134
[3]潘英英 宋国喜:物流需求预测模型研究[J].广西财经学院学报,2008.2 26～29