摘要:對(duì)汽車物流企業(yè)而言，汽車消費(fèi)市場(chǎng)的變化對(duì)企業(yè)的影響是極為巨大的。如今我國(guó)經(jīng)濟(jì)不斷發(fā)展，汽車消費(fèi)群體也在逐年發(fā)生變化，汽車消費(fèi)市場(chǎng)的變化直接影響到汽車生產(chǎn)企業(yè)的訂單和產(chǎn)量，而汽車生產(chǎn)企業(yè)的產(chǎn)量，則密切影響著為其提供物流配送服務(wù)的汽車物流企業(yè)。因此，對(duì)我國(guó)的汽車市場(chǎng)走向進(jìn)行研究分析，可以根據(jù)預(yù)測(cè)得出的數(shù)據(jù)對(duì)汽車物流企業(yè)未來的發(fā)展進(jìn)行宏觀規(guī)劃并制定合理的目標(biāo)，具有一定的現(xiàn)實(shí)指導(dǎo)意義。

關(guān)鍵詞:灰色關(guān)聯(lián)分析 汽車產(chǎn)銷量預(yù)測(cè)

1 灰色關(guān)聯(lián)分析的原理及方法簡(jiǎn)述

影響我國(guó)汽車總產(chǎn)銷量的因素有很多，如我國(guó)國(guó)民生產(chǎn)總值、第一第二產(chǎn)業(yè)的GDP值、固定資產(chǎn)投資總額、高速公路里程、公路貨運(yùn)周轉(zhuǎn)量、鋼鐵、煤礦產(chǎn)量等因素。將汽車產(chǎn)銷看成一個(gè)抽象的系統(tǒng)，這些因素共同作用的結(jié)果則決定了這一系統(tǒng)的發(fā)展態(tài)勢(shì)。因此需要對(duì)影響系統(tǒng)的眾多因素進(jìn)行分析，比較各種因素對(duì)系統(tǒng)影響程度，判斷出主要因素及次要因素。

傳統(tǒng)的分析方法有回歸分析、方差分析等數(shù)理統(tǒng)計(jì)方法，但這些方法存在著以下的局限:

①要求有大量數(shù)據(jù) 若數(shù)據(jù)量少則難以找出統(tǒng)計(jì)規(guī)律。

②要求樣本服從某個(gè)典型的概率分布 并要求各因素?cái)?shù)據(jù)與系統(tǒng)數(shù)據(jù)之間呈線性關(guān)系且各因素之間彼此無(wú)關(guān)。

③計(jì)算量大 一般需要計(jì)算機(jī)進(jìn)行輔助。

而灰色關(guān)聯(lián)分析的方法則在一定程度上克服了數(shù)理統(tǒng)計(jì)方法的局限。無(wú)論樣本量多少、樣本有無(wú)規(guī)律，這一方法都同樣適用。并且這一方法計(jì)算量小，計(jì)算簡(jiǎn)單，一般不會(huì)不出現(xiàn)量化結(jié)果與定性分析結(jié)果不符的歪曲顛倒現(xiàn)象?；疑P(guān)聯(lián)分析的基本思想是根據(jù)數(shù)據(jù)序列曲線的幾何形狀的相似程度來判斷其聯(lián)系是否緊密。若曲線越接近，相應(yīng)序列之間的關(guān)聯(lián)度就越大，反之則越小。

對(duì)一個(gè)抽象系統(tǒng)或現(xiàn)象進(jìn)行分析，首先，需要選擇反應(yīng)系統(tǒng)行為特征的數(shù)據(jù)序列，即系統(tǒng)行為的映射量。用映射量來間接的表征系統(tǒng)行為。在本章所分析的汽車產(chǎn)銷系統(tǒng)中，用汽車的總產(chǎn)量和總銷量來表征系統(tǒng)行為。之后將特征映射量和各有效因素序列處理成無(wú)量綱數(shù)據(jù)，再然后即可利用灰色關(guān)聯(lián)公理對(duì)系統(tǒng)進(jìn)行分析[1]。

選用不同的關(guān)聯(lián)算子與計(jì)算方法，可以通過計(jì)算系統(tǒng)各影響因素之間的灰色關(guān)聯(lián)度來對(duì)系統(tǒng)進(jìn)行分析。

1.1 灰色絕對(duì)關(guān)聯(lián)度 若系統(tǒng)特征序列為

為Yi與Xi的灰色綜合關(guān)聯(lián)矩陣。

2 灰色關(guān)聯(lián)分析的應(yīng)用

下表1為1998-2008年汽車產(chǎn)銷系統(tǒng)中系統(tǒng)行為數(shù)據(jù)序列以及各相關(guān)影響因素?cái)?shù)據(jù)序列。其中，將表征系統(tǒng)行為的汽車總產(chǎn)量標(biāo)記為Y1，汽車總銷量標(biāo)記為Y2。將影響系統(tǒng)的因素國(guó)民生產(chǎn)總值GDP、國(guó)內(nèi)固定資產(chǎn)投資總額、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、公路貨運(yùn)周轉(zhuǎn)量、鋼產(chǎn)量依次標(biāo)記為X1，X2，X3，X4，X5，X6。

(*數(shù)據(jù)根據(jù)中國(guó)統(tǒng)計(jì)年鑒及中國(guó)汽車工業(yè)協(xié)會(huì)統(tǒng)計(jì)信息網(wǎng)數(shù)據(jù)收集整理)

即國(guó)內(nèi)固定資產(chǎn)投資總額、鋼產(chǎn)量、第二產(chǎn)業(yè)產(chǎn)值及GDP對(duì)汽車產(chǎn)銷總量的影響較大。在這些因素中，國(guó)內(nèi)固定資產(chǎn)投資總額、第二產(chǎn)業(yè)產(chǎn)值及GDP代表著我國(guó)的經(jīng)濟(jì)形勢(shì)、市場(chǎng)環(huán)境及政策氛圍，鋼產(chǎn)量則代表著原材料對(duì)生產(chǎn)的影響程度。根據(jù)分析，在接下來的預(yù)測(cè)模型中，將使用這幾個(gè)因素特征序列，來幫助實(shí)現(xiàn)對(duì)系統(tǒng)行為特征序列的預(yù)測(cè)。

3 基于RBF神經(jīng)網(wǎng)絡(luò)的汽車產(chǎn)銷總量預(yù)測(cè)模型

3.1 建模思路 RBF網(wǎng)絡(luò)按照輸入結(jié)構(gòu)的不同，可分為關(guān)聯(lián)預(yù)測(cè)和時(shí)域預(yù)測(cè)，以及結(jié)合了二者的延拓預(yù)測(cè)。若預(yù)測(cè)模型中某年的預(yù)測(cè)值為Ym，F(xiàn)為從輸入到輸出的非線性映射，對(duì)Ym有:

其中左邊的X矩陣由n維互相獨(dú)立的相關(guān)因素組成，右邊的Y矩陣為預(yù)測(cè)目標(biāo)之前連續(xù)c年的同期數(shù)據(jù)。若單獨(dú)使用X矩陣則為關(guān)聯(lián)預(yù)測(cè)，若單獨(dú)使用Y矩陣則為時(shí)域預(yù)測(cè)。關(guān)聯(lián)預(yù)測(cè)的實(shí)質(zhì)是通過找到影響預(yù)測(cè)目標(biāo)的關(guān)聯(lián)因素，然后建立網(wǎng)絡(luò)對(duì)這些因素進(jìn)行橫向預(yù)測(cè);時(shí)域預(yù)測(cè)的實(shí)質(zhì)是建立網(wǎng)絡(luò)對(duì)目標(biāo)自身發(fā)展規(guī)律進(jìn)行擬合的縱向預(yù)測(cè)。本文的預(yù)測(cè)對(duì)象為影響因素眾多的抽象系統(tǒng)行為，因此選擇結(jié)合關(guān)聯(lián)預(yù)測(cè)和時(shí)域預(yù)測(cè)的延拓預(yù)測(cè)方法。建立模型的步驟如下:

首先，需要確定RBF延拓預(yù)測(cè)網(wǎng)絡(luò)的輸入和輸出。輸入層數(shù)據(jù)由兩部分組成，一部分是由關(guān)聯(lián)因素序列組成的X矩陣，另一部分是預(yù)測(cè)目標(biāo)過去連續(xù)c年的記錄Y矩陣。輸出層為預(yù)測(cè)目標(biāo)之前c年的數(shù)據(jù)序列。將樣本空間的輸入輸出數(shù)據(jù)進(jìn)行無(wú)量綱處理，即可得到網(wǎng)絡(luò)的輸入層及輸出層。之后，將樣本數(shù)據(jù)分為兩部分，前一部分對(duì)網(wǎng)絡(luò)進(jìn)行擬合訓(xùn)練，后一部分用于檢驗(yàn)訓(xùn)練好的網(wǎng)絡(luò)，計(jì)算預(yù)測(cè)誤差并根據(jù)上一章中提出的參數(shù)尋優(yōu)方法調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)以得到最優(yōu)網(wǎng)絡(luò)。最后，利用最優(yōu)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)。

3.2 預(yù)測(cè)實(shí)例 根據(jù)上一小節(jié)對(duì)汽車產(chǎn)銷系統(tǒng)的灰色關(guān)聯(lián)分析，選擇對(duì)系統(tǒng)影響較大的GDP、國(guó)內(nèi)固定資產(chǎn)投資總額、第二產(chǎn)業(yè)產(chǎn)值、及鋼產(chǎn)量作為網(wǎng)絡(luò)的關(guān)聯(lián)因素輸入，并依次標(biāo)記為X1，X2，X3，X4，由于序列X3中的最近一個(gè)數(shù)據(jù)尚未得出確切統(tǒng)計(jì)值，預(yù)先用G(1，1)模型進(jìn)行預(yù)測(cè)得到預(yù)測(cè)值136088作為樣本輸入。預(yù)測(cè)總產(chǎn)量時(shí)，網(wǎng)絡(luò)的時(shí)域因素輸入為過去連續(xù)五年的汽車總產(chǎn)量，預(yù)測(cè)總銷量時(shí)則為過去連續(xù)五年的汽車總銷量。樣本數(shù)據(jù)由表2所示。

預(yù)測(cè)總產(chǎn)量時(shí)，網(wǎng)絡(luò)輸入的樣本空間可表示為矩陣P以及向量T:

確定樣本數(shù)據(jù)空間之后，需要對(duì)樣本數(shù)據(jù)進(jìn)行歸一化無(wú)量綱處理。為保持原有數(shù)據(jù)的線性關(guān)系，采用對(duì)輸入的同維數(shù)據(jù)乘以相同系數(shù)的比例歸一法，將樣本數(shù)據(jù)控制在(0，0.1)的范圍內(nèi)。將處理后的樣本分別標(biāo)記為GP及GT。

然后選擇訓(xùn)練網(wǎng)絡(luò)的輸入以及輸出。

P_train=GP(:，1:9);T_train=GT(:，1:9);

選擇測(cè)試網(wǎng)絡(luò)的輸入以及輸出。

P_test=GP(:，10);T_test=GT(:，10);

用newrb函數(shù)來訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)，并使用上一章中提到的參數(shù)尋優(yōu)法來選擇適合的goal及spread參數(shù)值。經(jīng)過訓(xùn)練比較，在

spread=1.5;goal=8/100000;MN=20;DF=5;

時(shí)網(wǎng)絡(luò)能取得最優(yōu)性能。用訓(xùn)練好并通過檢驗(yàn)的網(wǎng)絡(luò)net來對(duì)2009年我國(guó)汽車總產(chǎn)量進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)得到的數(shù)據(jù)進(jìn)行反歸一化處理，得到的預(yù)測(cè)值為1037.1，即預(yù)計(jì)我國(guó)明年汽車總產(chǎn)量為1037.1萬(wàn)輛。

用相同的方法對(duì)總銷量進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)值為1019.3，即預(yù)測(cè)明年我國(guó)汽車總銷量為1019.3萬(wàn)輛。

4 預(yù)測(cè)結(jié)果分析

由以上預(yù)測(cè)結(jié)果可知，在2009年我國(guó)的汽車總產(chǎn)銷量將穩(wěn)步上升，平穩(wěn)的突破千萬(wàn)輛大關(guān)。據(jù)中國(guó)汽車工業(yè)協(xié)會(huì)統(tǒng)計(jì)，我國(guó)全年累計(jì)生產(chǎn)汽車1038.38萬(wàn)輛;銷售汽車1033.13萬(wàn)輛，由以上可推斷預(yù)測(cè)的結(jié)果是符合預(yù)測(cè)對(duì)象發(fā)展趨勢(shì)的。

5 小結(jié)

本章基于灰色關(guān)聯(lián)分析的基本方法，提出一種混合時(shí)域預(yù)測(cè)及關(guān)聯(lián)預(yù)測(cè)的延拓預(yù)測(cè)方法，建立了RBF網(wǎng)絡(luò)模型，對(duì)我國(guó)汽車產(chǎn)銷總量進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果表明:對(duì)2009年我國(guó)汽車產(chǎn)銷總量的預(yù)測(cè)符合其發(fā)展趨勢(shì)。

參考文獻(xiàn):

[1]馮利華.灰色預(yù)測(cè)模型的問題討論[J].系統(tǒng)工程理論與實(shí)踐.1997，(12).

[2]鄧聚龍.灰預(yù)測(cè)與灰決策[M].武漢:華中科技大學(xué)出版社，2002.

[3]劉思峰，黨耀國(guó)，方志耕.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)出版社，2004.

[4]高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].北京:機(jī)械工業(yè)出版社，2003

[5]文新輝，牛明潔.一種基于神經(jīng)網(wǎng)絡(luò)的非線性組合預(yù)測(cè)方法[J].系統(tǒng)工程理論與實(shí)踐.1994，(12):66.