当前位置：文档之家 › 灰色-多元回归组合模型在逆向物流预测中的应用

灰色-多元回归组合模型在逆向物流预测中的应用

  • 格式：pdf
  • 大小：225.28 KB
  • 文档页数：3
错 误 产 生 的 退 货 增 加 了 逆 向 物 流 的 不
确 定性 这些 因素 的产 生 和企业 的管理 水 平 、 运 能 力 相关 并 有很 大 的偶 然 性 储 是 各 项不 确 定 性 因素 中最难 于 掌 握 的
因 此 ． 用 较 少 的 或 不 确 切 的 表 示 系 统 利
多 年来 ． 内外学 者 对 物 流需 求 建 国 立 了大 量 的预 测 模 型 ． 目前 ． 统 的 物 传
流需 求 预 测 方法 主 要有 多 元 回归模 型 、
２ 两 种 单项 预 测 方 法建 模 原 理
２１ 灰 色 系 统 预 测 ． Ｇ （ ， ） 型 是 应 用 最 为 广 泛 的 Ｍ １１模
律 ．在 国 民经 济 中 占有 举 足 轻 重 的地 位 在 我 国经 济 高速 发 展 的今 天 ． 经济
建 设 所 带 来 的 资 源 浪 费 、 染 物 排 放 和 污 垃 圾 处 理 问 题 日渐 凸 现 出 来 于 是 ． 越 来 越 多 的 学 者 意 识 到 先 进 合 理 的 逆 向
一
起 且 经 由 不 同 地 点 汇 集 才 能 产 生 较
数 据 较少 而 且计 算 简便 ． 于逆 向物流 对
这 样 的 灰 色 系 统 具 有 良好 的 适 应 性 而 多 元 回 归 模 型 是 以 与 预 测 量 相 关 的 多 种 变 量 为 基 础 进 行 预 测 ， Ｍ（ ． ） 型 Ｇ １１模 具 有 良好 的 互 补 性
指数 平 滑法 、 经 网络 、 色 系统 等 。但 神 灰 单一 的预 测模 型 在 进行 预 测 时 ． 因为 其 假 设 条 件 及 适 用 范 围均 存 在 一 定 的 局 限 性 ． 常 导 致 预 测 精 度 不 高 ． 以 本 常 所
文 针 对 逆 向 物 流 不 确 定 性 因 素 的 特 点
灰色一 多元回归组合模型在逆向物流预测中的应用
孙淑 生 杜 翔
４０ ８ ） ３ ０ １ （ 武汉科 技 大 学管理 学 院 湖北 武 汉
摘
要 ： 向物 流量 的 有效 预测 有 助 于产 业发 展规 划的 制定 和基 础 设施 建 设 的可行 性研 究 针 对 逆 逆
向物流 不 确 定性 因素 的特 点 采 用灰 色 Ｇ １ １ 模 型 和 多元 线 性 回 归模 型 两种 单 项预 测模 型对 数据 进 行 Ｍ（ ． ） 建模 ， 结合 组合 预测 理论 ， 用基 于预 测 有效 度 的组合 预 测模 型进 行预 测 。结 果表 明组 合预 测模 型的预 并 采 测精 度 明显 高 于两种 单 项预 测 方法 ． 明 了该方 法 用于逆 向 物流 需求 预测 的 可行 性 和有 效性 证
行 为特 征 的原 始 数 据序 列 作 为 预 测 依
通 过 分 析 与 预 测 对 象 有 关 系 的 现 象 的
退 货 包 括 经 销 商 积 压 库 存 或 零 售 商 清理 货 架等 行 为所 产 生 的 商业 退 货 ． 质保 期 内 退 回维 修 、 级 所 产生 的维 护 升
退 回 与 因 产 品 质 量 不 合 格 所 产 生 的 法
关 键 宇 ： 向 物 流 ； 色预 测 ； 元 回 归 ； 合 预 测 逆 灰 多 组 中 图 分 类 号 ：２ ４９ Ｆ ２． 文 献 标 识 码 ： Ａ
“ 事 预 则立 ． 预 则废 ” 预 测 能 凡 不 ．
够 揭示 客 观 事 实 未 来 发 展 的趋 势 和规
决 方 案
从各 种 经济 现 象 之 间的 因果 关 系 出发 ．
依 据 进 行 预 测 可 以 有 效 地 减 少 这 些 因 素 的 影 响 １２ 生 产 运 输 过 程 中 产 生 的 不 确 定 性 ． 因 素 和 解 决 方 案 在 生 产 中产 生 的 副产 品 的退 回 ． 在 运 输 过 程 中 损 坏 产 品 的 退 回 以 及 由 于
综 上 所 述 ． 向 物 流 不 确 定 性 产 生 逆
物 流 产 业 可 以 使 废 弃 物 回收 过 程 更 加
科 学 ． 进 废 弃 物 品 循 环 利 用 并 减 少 物 促
和产 品 质 量 的不 稳定 ． 是 这些 不 确定 但 滑法 、 色理 论 等方 法 以历史 数 据 作为 灰
的 因素很 多 ． 以往 的单 项 预测 方 法 不能 进 行 组 合 以求 能够 克 服 单 一 预 测 方 法
的 局 限 性 并 对 逆 向 物 流 量 进 行 较 为 精 确 的预测 。其 中 ， 色 系统 Ｇ （，） 灰 Ｍ １ １ 模 型 是 以 历 史 物 流 量 作 为 预 测 依 据 ． 需 所
变 动 趋 势 ．推算 预 测对 象 未来 数 量状
态 因 此 ． 归 预 测 方 法 可 以 较 准 确 地 回 预 测 产 品 废 弃 所 产 生 的 逆 向 物 流 量
１ ． 综 合 分 析 ４
规退 货 这 些不确 定 性 因素 的产生 的主
要 原 因 是 经 销 商 销 售 状 况 的 不 可 预 期
大 规 模 的 逆 向物 流 它 的 这 些 特 殊 性 质 使 其 在 预 测 中 能 提 供 的 可 靠 已 知 条 件
少 之 又少 ． 测难 度 高 于计 划 性 较强 的 预
正 向 物 流 ． 逆 向 物 流 的 研 究 和 规 划 带 给 来 一 定 困 难
数量 、 地址 、 格 等 对 用 户 要 求 的 记 录 规
因素 都有 一 定 延 续性 ． 因此使 用 指 数平 适 应 复杂 的干扰 因素 用 两种 预测 方法
流 过 程 中 的资 源 浪 费 。然 而 ． 向物流 逆
具 有 分 散 性 、 慢 性 和 混 杂 性 ． 向 物 缓 逆 流 产 生 的 地 点 、 间 、 量常 混 杂 在 不

合集下载

简介灰色预测模型在物流需求预测中的应用

简介灰色预测模型在物流需求预测中的应用

认 为 用 社 会 经 济 的 各 项 指 标 来 预 测 物 流 需 求 指 标 是 可 行 将 得 到 的 ， 代 入 式 （ ） 得 灰 色 预 测 模 型 ： ３可
㈣
（＋ ） Ｋ １ ：
ｒ（县］ ＋ ｋ， ４ ｘ１ 。 ， ｌ ） （） ～ － …（ ０一 ） ｏ
，
的 。物 流需求预测可 以为 区域 物流规划 提供决 策和依据 。
ｋ
， ｎ
（） ， ２…
ｎ］（ ） ） ２
（ 后验 差检验 。第一 ， 验 比值检验 ： ２） 后
”ｋ＝ （ ）
ｉ＝ ｌ
” ｉ， ｌ “， （） ＝ ｋ ２ ｎ
ｃ 。 中ｓ： １ ： 其 一
Ｓ．
。 ｎ ｋｌ ＝
［ （ ） ｉ ］ｇ１窆 （ ｋ一 － ： ） ｋ
通 过 检 验 的 标 准 为 精 度 等 级 越 小 越 好 。 根 据 Ｃ和 Ｐ两
（） １
…
，
＋ ０【 ｘ…
ｎｔ
（） ３
其 中 ： 为模 型的发 展参 数 ， 映 序列 ｘ － ｋ 及 原始 反 （（ ） 序列 ０ ｉ的发展趋势 ， 为模 型 的协 调系数 ， 映数据 间 ）） （ 反 的变 化关系 。
需 求 预 测 中 的应 用 ， 结 合 实 例 进 行 了应 用研 究 。 并 关 键 词 灰 色预 测 物 流 需 求 应 用
物 流需求是社 会经济 活动特 别是生 产与 经营 活动所 派
生 的 一 种 次 生 需 求 ，因 而 物 流 需 求 与 社 会 经 济 发 展 密 切 相
原 数 据 的绝 对 误 差 和 相 对 误 差 序 列 ：
１Ｇ （ ， ） 模 理 论 。Ｇ １１ 预测 模 型 的 实 质 是 对 原 ．Ｍ １１ 建 Ｍ（ ，）
基于灰色线性回归组合模型的物流需求预测研究

基于灰色线性回归组合模型的物流需求预测研究

－・ －— —
１ ６ －— ４ ・ － —
维普资讯
第 ２７ 第 月 ２０ Ｏ ６ 卷 Ｏ期 ０ 年１１
工 业 技 术 经 济
ｖ．． ｏ０ 总 ｏ ６Ｎ １ １ 第 ． ２
１８ ６ 期
ｘ
将式 （３ １）再用 累减 生成 即可得到原 序列 的预测值 Ａ （ ） ０。
如前所述 ，度量物 流需 求 的指 标有实 物量指 标和价 值量指标。由于缺 乏必要 的统计 数据 ，应用 价值 量指标 时 只能根据专家经 验对物流需 求进行 经验预 测。为 了对 物流需求 进行量 化研 究 ，同 时兼 于数据 资 料 的可得 性 ， 我们采用实物量指标 中的货物周转量来表征物流需求Ｌ 。 ７ Ｊ 首先 ，对货物周转量原始数据进行光滑 、级 比检验 。 当 ｌ３ （ ） ＝０３３８ ｄ， ４ ．７６ ，口（ ） ＝１００ ，由此 可知 ， ４ ．６９ 数据通过光滑比、级 比检验 ，可对 数据进行 灰色 系统建
ｘ ‘ ｔ ＝Ｃ ｘ（ ） （） Ｉ ｐ Ｖ ｔ ＋ｅｔ ３，……ｔ ＝１ ，ｋ ｅ ２＋ｃ ＝ｋ ，２ ０ （ 序列 中拟合 、检测精度未达要求元素所对应 的时间点 ） ｘ ＾１ ｔ （ （）＝ｘ （ ｔ／ ＾ （） （）ｘ （ ｔ …… ｔ ≥ｋ 其 中 ） ＝ｋ ０（ ｘ
维普资讯
第 ２卷 ６
２ｒ ０ ０ 年１ ｃ 月 ７
第 １ 期 ０
工 业 技 术经 济
Ｖ．，ｏ０ 总 ｏ ６ Ｎ１ １ 第 ． ２
１８ ６ 期
基 于灰 色 线性 回归组 合模 型 的物流需 求 预测 研 究
孙 建丰 向小东 （ 福州大 学 ，福州 ３００ ） ５０２
３ 模 型 的改进
本文中所提出的针对该组合模型的改进，主要是 以原灰 色线性回 归组合模型的思想为基础 ， 改进方法详述如下 ： （） １ 对样本数据进行拟合 和检测 ，若相 应结果 为可接 受结果 ，则不需对原模型进行 改进 ，建模过程如前所述 ， 可用该模型进行预测 ； （） ２ 若拟合及检测结果不 可接受 ，则不 能直 接运用 原 模型进行直接预测 ，需对 原模型进 行改进 ：对 原数据建 立 Ｇ （ ，１ Ｍ １ ）模型 ，考查 Ｇ （ ，１ Ｍ １ ）模 型建模所 得拟 合 、检测数据 占灰色线性 回归组合模 型拟合 、检测数据 的比例 ； （ 以所得 比例数再次建立 Ｇ （，１ 型进行 比例 ３ ） Ｍ １ ）模 数的拟合及检测 ； （） ４将步骤（） ２中所得的 Ｇ （ ，１ Ｍ １ ）模 型，其对原数据 的拟合 、检测结果与步骤（ 中所得 比例数 的拟合及 检测 ３ ） 值作除法运算 ，即得改进后的组合模 型的拟合及检测值 。 即修正后 的模型为 ：
灰色预测模型理论及其应用

灰色预测模型理论及其应用

灰色预测模型理论及其应用灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测. 尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测.灰色预测模型只需要较少的观测数据即可，这和时间序列分析，多元回归分析等需要较多数据的统计模型不一样. 因此，对于只有少量观测数据的项目来说，灰色预测是一种有用的工具.本文主要围绕灰色预测GM(1,1)模型及其应用进行展开。

一、灰色系统及灰色预测的概念1.1灰色系统灰色系统产生于控制理论的研究中。

若一个系统的内部特征是完全已知的，即系统的信息是充足完全的，我们称之为白色系统。

若一个系统的内部信息是一无所知，一团漆黑，只能从它同外部的联系来观测研究，这种系统便是黑色系统。

灰色系统介于二者之间，灰色系统的一部分信息是已知的，一部分是未知的。

区别白色和灰色系统的重要标志是系统各因素间是否有确定的关系。

特点：灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定型系统的研究对象。

1.2灰色预测灰色系统分析方法是通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。

生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。

灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类：(1) 灰色时间序列预测。

用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。

(2) 畸变预测（灾变预测）。

通过模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。

(3) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。

灰色预测模型在国内物流货运量预测中的应用

灰色预测模型在国内物流货运量预测中的应用

灰色预测模型在国内物流货运量预测中的应用作者：刘玲来源：《物流科技》2017年第04期摘要：由于在全国范围内对物流货运量的影响因素众多，数据较为庞大，统计过程较为复杂，所以存在“部分信息确定，部分信息不确定”的情况，可以运用灰色预测模型对国内物流货运量进行预测。

文章建立灰色预测模型，分析该灰色预测模型对国内物流货运量预测是否有效，模型运用是否合理，在模型运用合理结果有效的前提下，对未来的国内物流货运量进行了预测。

关键词：国内物流货运量；灰色预测模型；有效性；合理性中图分类号：U294 文献标识码：AAbstract： Due to the large number of influencing factors of logistics freight in the whole country， the data is relatively large and the statistical process is more complicated. Therefore， there is a situation that“some information is determined and some information is uncertain”， and the gray forecasting model can be used to forecast the domestic logistics. This paper establishes the grey prediction model， analyzes whether the gray forecasting model is effective for the forecasting of domestic logistics and the rational use of the model， and forecasts the future domestic freight volume under the premise that the model is reasonable and the result is effective.Key words： domestic logistics volume； gray forecasting model； effectiveness； rationality物流是一个复杂的经济现象，物流与经济之间存在双向因果关系（即互动关系）的可能，一方面物流发展推动经济增长，另一方面经济增长拉动物流发展。