灰色论文关于灰色残差修正模型在区域物流量预测中的应用论文范文参考资料

灰色论文关于灰色残差修正模型在区域物流量预测中的应用论文范文参考资料 内容摘要：区域物流量预测是区域物流规划和物流基础设施建设的决策依据，也是推动第三方物流企业发展的重要前提。本文讨论了残差修正GM（1，1）模型以及其在区域物流量预测中的应用，模型用多个指数函数的叠加分段描述物流量的预测，克服了传统灰色模型只能描述单调变化过程的缺点。通过对某区域物流量预测的实例分析，对比分析普通GM（1，1）和残差修正GM（1，1）模型的预测结果，表明残差修正GM（1，1）模型在预测区域物流量时精度高、结果可信。 关键词：灰色预测 区域物流量 残差修正GM（1，1）模型 物流需求预测是基于历史资料和市场信息，运用适当的策略和手段，对未来的物流需求进行科学的分析和估算。目前，物流量预测的策略主要有定性预测和定量预测两大类。前者主要运用个人的经验和分析判断能力，对事物的未来发展的趋势和发展转折点做出判断和估计；后者根据已掌握的历史资料和直观材料，对预测对象的未来状态和性质进行定量测算。定量预测中常用的策略有回归分析，时间序列法等，但这些模型属于大样本模型，需要大量的基础数据做支撑，要求数据完整，信息明确。但我国处于现代物流发展的起步阶段，数据统计口径不统一，资料不太齐全，无法取得足够多的样本，使得样本较少，无法保证预测的精度。基于此，灰色系统理论提出进行物流量的预测，它不要求信息量大而是着眼于系统本身的灰色信息，可从少量的、离散的、杂乱无章的数据中寻找本身的内在规律，达到使灰色信息白化的目的。但是，GM（1，1）模型预测对数据波动较大、规律性不强的样本预测时，由于累加生成数列会对其发展的规律性产生影响，消弱系统发展的阶段性规律，无法获得较为理想的预测结果。为了获得更准确的预测结果，本文提出了一种参差修正GM（1，1）模型用于区域物流量预测。能够克服普通GM（1，1）模型仅适用于具有较强指数规律的序列，只能描述单调变化的过程，而反映不出摆动变化的缺点。通过对该模型进行验证和分析，结果表明该模型适用于区域物流量预测，而且还具有较高的预测精度。 残差修正GM（1，1）建模 在认识事物的过程中，制约论通常用“白”表示信息完全明确，用“黑”表示信息。那么，对于大多数系统都存在部分明确、部分不明确的状态，称之为灰色系统。20世纪80年代，灰色系统理论是由邓聚龙教授首先提出并创立的一门新兴学科。灰色系统理论是一种研究少数据、贫信息不确定性理由的新策略。灰色模型的理论思想是将离散变量连续化，用微分方程代替差分方程，用生成数序列代替原始时间序列，弱化原始时间序列的随机性，再通过一定的步骤生成数的数学模型。 灰色系统理论以“部分信息已知、部分信息”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运转行为、演化规律的正确描述和有效监控。灰色模型预测可以对事物的发展变化作出长期估计，对原始数据要求不高，更不像数理统计的策略要以大量数据为基础，并可直接预测数据。我国物流业发展尚不成熟，影响物流业因素复杂，缺乏完善的统计标准，有关物流的资料统计不能满足一般预测策略的要求。在这种情况下，灰色预测作为一种比较简捷而又对资料要求较宽的预测策略，能够更好的应用于物流需求预测中，且可以保证良好的预测精度。 灰色系统模型实质上通过一定策略对原始序列进行处理，通常有累加和累减两种策略，使之呈现一定的规律性，然后利用微分方程拟合，并通过生成的灰色模型得到的预测进行逆生成处理，得出最后的结果。 若给定k (k =1, 2, n)个原始非负样本序列，则原始序列为： GM（1，1）模型在其适用条件上存在一定的局限性，它适用于数据波动较小，规律性强，发展趋势明显，呈严格指数规律变化的系统预测。然而在许多情况下，样本数据并不一定严格按指数规律变化，特别对于具有波动性变化的样本数据，其预测精度不能令人满意。物流系统是一个开放式的系统，易受自然、经济、政策等不同因素的影响，经常会呈现一定的阶段性特征，基础数据波动较大，致使用单纯的灰色GM（1，1）模型进行预测时误差平均值较高，无法获得较为理想的预测结果。为了提高物流量预测的精度，有必要采用参差修正建立的灰色GM（1，1）模型，其在基本GM（1，1）模型的基础上进行修正，通过多次利用样本数据，挖掘和利用已知数据序列更深层次的规律，以提高模型的预测精度。 以往的残差模型进行残差检验时，常用：来衡量，这种策略建立的模型会掩盖原始序列x(0)的误差的真实性，模型建立失去作用。因此为了真实的反映区域物流量预测的精确性，残差检验以x(0)的预测值与其误差作为判断标准。记生成的原始残差为0(k0)，则有。经正化处理后对生成的原始参差列0建立GM(1，1)模型，求出其参数列，计算出的模拟值： 灰色预测模型通常采用相对误差e(k)，后验差比值C和小误差频率P这3个指标对模型精度进行评价。 一个好的灰色预测模型，后检验比值C值越小越好，最大不能超过0.65；小误差概率P值越大越好，最小不能低于0.70。 残差修正模型在物流量预测中的应用 根据某区域物流量（xx-xx年）历史数据建立时间序列，以此来建立模型，具体数据（见表1）。 灰色预测中的关键是计算微分方程的解，利用最小二乘法可得：。用Matlab进行矩阵计算求得a，u的值，得GM（1，1）的预测模型为：。由得出模拟值，其平均相对误差为：。可以看出普通灰色模型的预测结果不理想。 当k6时，取=46.67,101.37,37.72,35.62,4.96，建立灰色参差修正GM（1，1）模型，残差修正相应式为： k6时，普通GM（1，1）和灰色参差修正GM（1，1）模型的相对误差检验对比如表2所示。可以看出应用灰色残差修正模型对模拟值进行修正后，模拟精度有了很大的提高。 结论 综上所述，影响区域物流量预测的因素众多，普通灰色模型预测精度偏低，需引入修正模型或参数，应用灰色残差修正模型对基本灰色模型预测结果进行修正，通过预测结果对比分析，普通GM（1，1）模型是有偏差的灰指数模型，在物流量预测的过程中，存在着模型精度低的理由，应用灰色残差修正模型对区域物流量进行预测，通过与基本GM（1，1）模型对比分析，其预测精度有了明显的提高，更能满足实际物流量预测的要求。但要注意利用较少数据的灰色预测模型只适合于短期预测。在实际应用中，应不断地把新信息样本添加到建模的时间序列中去，建立残差修正的动态灰色预测模型，更好的提高预测的精度。 _： 1.吴永强.结构性物流需求预测策略研究J.商业时代，xx（16） 2.施学良，戴晓震.区域物流量预测的灰色GM（1，1）模型应用J.交通与运输，xx（12） 3.魏连雨，庞明宝.基于神经网络的物流量预测J.长安大学学报（自然科学版），xx（6） 4.刘树，王燕，胡凤阁.对灰色预测模型残差理由的探讨J.统计与决策，x