管理论文基于灰色—马尔柯夫模型的逆向物流量预测.doc

基于灰色马尔柯夫模型的逆向物流量预测 基于灰色马尔柯夫模型的逆向物流量预测是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，基于灰色马尔柯夫模型的逆向物流量预测是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，基于灰色马尔柯夫模型的逆向物流量预测的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。 摘要：针对逆向物流量不稳定、波动性较大的特点，对不满足惯性要求的原始数据进行数据变换处理后，综合灰色gm（1,1）模型和马尔柯夫模型各自的优势，建立相应的逆向物流量预测模型，对某一汽车零部件企业的逆向物流量进行预测。结果表明该模型预测精度较高，具有一定应用价值。关键词：gm（1,1）模型；灰色马尔柯夫；逆向物流量；预测中图分类号：f270.7文献标识码：a文章编号：1002-3100(2008)10-0019-04abstract: in view of characteristics of reverse logistics quantityunstable and fluctuating property, first data transformation is tacked on the primary data which can not meet inertia requirement. second, the corresponding reverse logistics quantity prediction model is established based on the respective advantages of grey gm（1,1） model and the markov model. at last the paper forecasts and analyzes the reverse logistics quantity of one automobile spare part enterprise in 2005. the result indicates that the forecasting precision of this model is very high and the result has great value in practices.key words: gm（1,1） model; grey markov; reverse logistics quantity; forecasting1问题的提出随着经济全球化、网络经济和电子商务的迅速发展，逆向物流已逐渐成为企业竞争的最前沿。为了获得竞争优势以及满足可持续发展的要求，企业必须将逆向物流纳入企业战略管理的高度上，提高企业的声誉和利润。然而相对于正向物流，逆向物流在数量、时间和质量等方面存在着高度的复杂性和不确定性1。这些不确定性的存在，对逆向物流的预测难度以及预测精确性提出了严峻的挑战。在灰色系统领域，gm（1,1）模型被广泛应用于不确定问题的预测，并且预测效果很好。在一些特定问题中，gm（1,1）仍然是决策者乐于选择的预测模型。传统的gm（1,1）模型主要是用于时间短、数据少、波动小、具有长期趋势的预测对象，对随机性波动较大的序列进行预测，其预测精度不理想，拟合度较差2。马尔柯夫预测是通过反映各种随机因素的影响程度以及各状态之间的转移的内在规律性来预测系统的未来发展方向3。适用于随机波动性较大的序列的预测，正好弥补了gm（1,1）模型预测的缺陷。综上所述，对逆向物流量的预测采取灰色预测和马尔柯夫预测两种方法结合，取长补短，用灰色预测模型来揭示长期发展的某种总趋势，而用马尔柯夫模型来确定状态之间的转移关系，建立灰色马尔柯夫预测模型对逆向物流量进行预测具有重要的理论与现实意义。2模型的建立2.1灰色预测模型建立（2）级比检验、可行性分析对逆向物流而言，是基于反应的，它通常不是公司计划或决策的结果，而是对消费者行为或下游成员行为的反应，所以逆向物流量主要随时间而变化，呈现波浪式变化曲线，具有非稳定、波动大的特点4。这些波动性的存在，在运用gm（1,1）时可能产生病态性。所以必须根据原始序列的分布特点，通过级比检验，判定是否适合gm（1,1）建模。（3）数据变换对不符合惯性要求序列寻求合适的数据变换，保证处理后能够进行gm（1,1）建模。常用的数据变化有平移变化（xid2.2马尔柯夫预测模型建立马尔柯夫预测是根据初始的状态概率向量和状态概率矩阵来推测某一变量未来某一定时期所处状态的一种方法，其理论基础是马尔柯夫过程，其描述的是一个随机时间序列的动态变化过程。（1）状态划分（3）计算预测值2.3灰色马尔柯夫预测模型的建立及求解步骤（1）灰色预测模型建立及求解式中 a落入预测曲线以上的实测值与预测值相对值的均值 b落入预测曲线以下的实测值与预测值相对值的均值 c实测值与预测值差值的最大值 d预测值与实测值差值的最大值（3）状态转移概率矩阵计算并确定状态转移概率矩阵。（4）编制预测表5选取离预测点最近的s个月份，按照预测时间的远近，转移步数分别定为1,2,s，在转移步数对应的转移矩阵中，取其初始状态所对应的行向量，从而组成新的概率矩阵，对新的概率矩阵将其向量求和，其和最大的转移步数所对应的状态即为系统的未来转向状态。（5）计算预测值3实证分析本文以2005年某汽车零部件企业起动机产品逆向物流（三包退回）为例，进行相应的模拟和预测。具体数据如表1所示：（1）级比检验、建模可行性分析依据2.3中编制状态预测表的方法，编制如表3所示2006年1月起动机产品逆向物流（三包退回）量的状态预测。（8）预测2006年其它月份的预测，可以采取定长原始序列，即在序列中增加最近一月的实际值，删减最远时间的实际值，按照上述方法进行动态预测。（9）误差分析从表中可以看出，运用数据变化处理的gm（1,1）模型和马尔柯夫预测模型的结合平均相对误差（0.34%）比单纯运用数据变换处理gm（1,1）模型（-9.03%）以及传统gm（1,1）模型（-17.87%）小的多，预测精度较高。4结论本文首先通过对原始具有较大波动的原始序列进行级比、可行性判定，对不能满足惯性要求的序列，寻求数据变换处理，建立灰色马尔柯夫模型进行预测，预测精度相对较高，可以用于企业对逆向物流量的预测。参考文献：1 徐君，岳辉，王育红,等. 逆向物流系统决策及网络构建m. 北京：人民邮电出版社，2007.2 刘思峰，党耀国，方志耕. 灰色系统理论及其应用m. 北京：科学出版社，2004.3 陈海明，段进东. 灰色马尔柯夫链模型在股票价格预测中的应用j. 经济问题，2002(8):37-39.4 黄莉平. 差异目标下企业逆向物流运作模式的决策研究d. 广州：广东外语外贸大学，2007.5 孙金丹，于兴杰,等. 基于灰色马尔柯夫预报模型地下水动态预报研究j. 地下水，2008(1):1-11.6 陶云奇，许江，李树春. 改进的灰色马尔柯夫模型预测采煤工作面瓦斯涌出量j. 煤炭学报，2007(4):391-395.7 夏莉，黄正洪. 马尔柯夫在股票价格预测中的应用j. 商业研究，2003(10):62-65.8 朱登胜，陆江锋. 基于灰色马尔柯夫模型的中国农业机械总动力预测j. 农业现代化研究，2007(11):32-34.其他参考文献baker, sheridan. the practical stylist. 6th ed. new york: harper & row, 1985.flesch, rudolf. the art of plain talk. new york: harper & brothers, 1946.gowers, ernest. the complete plain words. london: penguin books, 1987.snell-hornby, mary. translation studies: an integrated approach. amsterdam: john benjamins, 1987.hu, zhuanglin. 胡壮麟, 语言学教程 m. 北京: 北京大学出版社, 2006.jespersen, otto. the philosophy of grammar. london: routledge, 1951.leech, geoffrey, and jan svartvik. a communicative grammar of english. london: longman, 1974.li, qingxue, and peng jianwu. 李庆学、彭建武, 英汉翻译理论与技巧 m. 北京: 北京航空航天大学出版社, 2009.lian, shuneng. 连淑能, 英汉对比研究 m. 北京: 高等教育出版社, 1993.ma, huijuan, and miao ju. 马会娟、苗菊, 当代西方翻译理论选读 m. 北京: 外语教学与研究出版社, 2009.newmark, peter. approaches to translation. london: pergmon p, 1981.quirk, randolph, et al. a grammar of contemporary english. london: longman, 1973.wang, li. 王力, 中国语法理论 m. 济南: 山东教育出版社, 1984.xu, jianping. 许建平, 英汉互译实践与技巧 m. 北京: 清华大学出版社, 2003.yan,