張春光 魏俊奎 楊濱名 李沙浪

摘 要：物資需求管理是電力企業(yè)一項(xiàng)重要能力，是提高整理管理水平、運(yùn)營(yíng)效率的重要保障。國(guó)家電網(wǎng)“三集五大”體系的建設(shè)有效提高物資需求管理水平，同時(shí)對(duì)需求管理手段提出更高的要求，需求預(yù)測(cè)是其中一項(xiàng)關(guān)鍵工作。文章在現(xiàn)有物資預(yù)測(cè)文獻(xiàn)的基礎(chǔ)上提出一種新型組合預(yù)測(cè)模型，實(shí)證結(jié)果表明，該模型能有效提高物資需求預(yù)測(cè)進(jìn)度，為協(xié)議庫(kù)存采購(gòu)、優(yōu)化等決策提供了有利條件。

關(guān)鍵詞：三集五大；組合預(yù)測(cè)；物資需求

中圖分類(lèi)號(hào)：TM73 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-8937（2016）32-0054-02

1 概 述

為了使協(xié)議庫(kù)存更好地發(fā)揮降本增效的作用，通過(guò)需求預(yù)測(cè)確定協(xié)議庫(kù)存簽訂量是關(guān)鍵。本文從需求預(yù)測(cè)的角度出發(fā)，提出一種新的組合預(yù)測(cè)模型，有效提高模型預(yù)測(cè)精度，為電力公司制定物資采購(gòu)計(jì)劃提供決策支持。

2 預(yù)測(cè)方法綜述

常用的物資需求預(yù)測(cè)模型主要包括三大類(lèi)：第一類(lèi)是基于時(shí)間序列的預(yù)測(cè)模型如指數(shù)平滑預(yù)測(cè)模型、移動(dòng)平均預(yù)測(cè)模型等[1-3]；第二類(lèi)是基于因果分析的預(yù)測(cè)模型，模型通過(guò)識(shí)別影響需求的重要因素，構(gòu)建因素與需求的因果關(guān)系，并根據(jù)因果關(guān)系構(gòu)建預(yù)測(cè)模型，如回歸預(yù)測(cè)模型、非線性回歸模型等[4-5]；第三類(lèi)是基于機(jī)器學(xué)習(xí)的預(yù)測(cè)模型，其在時(shí)間序列與因果預(yù)測(cè)方法的基礎(chǔ)上采用機(jī)器學(xué)習(xí)的方法構(gòu)建復(fù)雜的非線性模型，不需要提前設(shè)定模型結(jié)構(gòu)，如神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、支持向量機(jī)預(yù)測(cè)模型等[6-7]。實(shí)際應(yīng)用中，單一的預(yù)測(cè)方法難以獲得高精度的預(yù)測(cè)結(jié)果，組合預(yù)測(cè)方法得到廣泛得應(yīng)用。常用的組合預(yù)測(cè)方法是將多種預(yù)測(cè)方法的預(yù)測(cè)結(jié)果按照一定的權(quán)重進(jìn)行組合[8-10]。這種方法比較依賴(lài)組合權(quán)重的選擇，不能很好地綜合各種預(yù)測(cè)方法的優(yōu)勢(shì)。本文將時(shí)間序列分解為線性趨勢(shì)、季節(jié)性趨勢(shì)、指數(shù)平滑趨勢(shì)、非線性趨勢(shì)，其中非線性趨勢(shì)采用神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行預(yù)測(cè)。這種方法一方面充分利用時(shí)間序列的各種趨勢(shì)信息，另一方面減少神經(jīng)網(wǎng)絡(luò)模型在數(shù)據(jù)點(diǎn)較少時(shí)過(guò)度擬合的問(wèn)題，在實(shí)際物料需求預(yù)測(cè)工作中有效提高預(yù)測(cè)精度。

4 模型預(yù)測(cè)結(jié)果

本文以國(guó)網(wǎng)山東電力公司2010年2月到2016年4月ERP系統(tǒng)所有架空絕緣導(dǎo)線的采購(gòu)記錄為基礎(chǔ)，將數(shù)據(jù)整理為75個(gè)時(shí)間點(diǎn)，選取前69個(gè)時(shí)間點(diǎn)為訓(xùn)練集，訓(xùn)練模型參數(shù)，對(duì)后6個(gè)時(shí)間點(diǎn)進(jìn)行模型預(yù)測(cè)，預(yù)測(cè)結(jié)果，如圖2所示。

圖中橫軸表示時(shí)間序列（本文在神經(jīng)網(wǎng)絡(luò)模型中最大滯后項(xiàng)為6個(gè)月，因此時(shí)間軸中1表示2010年8月），縱軸表示物料需求金額。由圖可見(jiàn)大部分月份真實(shí)值與預(yù)測(cè)值相對(duì)誤差較小，說(shuō)明本文提出的組合模型基本能挖掘時(shí)間序列變動(dòng)的規(guī)律。通過(guò)比較訓(xùn)練集和測(cè)試集發(fā)現(xiàn)，本文提出的模型有較好的泛化能力，測(cè)試集的預(yù)測(cè)精度與訓(xùn)練集的預(yù)測(cè)精度沒(méi)有明顯差別。

進(jìn)一步比較本文組合預(yù)測(cè)模型與其他常用的預(yù)測(cè)模型的預(yù)測(cè)精度，結(jié)果見(jiàn)表1，可以看出大多數(shù)情況下組合預(yù)測(cè)模型的預(yù)測(cè)誤差要小于其他的預(yù)測(cè)方法。其他預(yù)測(cè)方法中季節(jié)性趨勢(shì)預(yù)測(cè)方法的預(yù)測(cè)精度相對(duì)較高，說(shuō)明山東省電力公司架空絕緣導(dǎo)線物資的需求存在顯著的季節(jié)性特征。

5 結(jié) 語(yǔ)

物資需求管理是電力企業(yè)管理的一個(gè)重要環(huán)節(jié)，本文在傳統(tǒng)的時(shí)間序列預(yù)測(cè)方法難以獲得高精度的預(yù)測(cè)結(jié)果的背景下提出一種新型組合預(yù)測(cè)方法，該方法將時(shí)間序列分解，其中非線性趨勢(shì)采用神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行預(yù)測(cè)。這種方法一方面充分利用時(shí)間序列的各種趨勢(shì)信息，另一方面減少神經(jīng)網(wǎng)絡(luò)模型在數(shù)據(jù)點(diǎn)較少時(shí)過(guò)度擬合的問(wèn)題。實(shí)證結(jié)果顯示本文提出的組合預(yù)測(cè)方法能有效提高模型的預(yù)測(cè)精度，基本滿足國(guó)家電網(wǎng)對(duì)需求管理的精度要求，為協(xié)議庫(kù)存采購(gòu)、優(yōu)化等決策提供了有利條件。

參考文獻(xiàn)：

[1]毛玉鳳.基于時(shí)間序列分析的電力需求預(yù)測(cè)及季節(jié)調(diào)整模型的研究 [D].北京：北京工業(yè)大學(xué)，2013.