李琴琴

摘 要：為實(shí)現(xiàn)對(duì)區(qū)域物流量的準(zhǔn)確預(yù)測(cè)，本文采用多元線性回歸法、二次指數(shù)平滑法、灰色預(yù)測(cè)模型分別進(jìn)行物流量的預(yù)測(cè)，運(yùn)用最優(yōu)定權(quán)組合預(yù)測(cè)模型，在單項(xiàng)預(yù)測(cè)方法預(yù)測(cè)結(jié)果的基礎(chǔ)上，以組合誤差平方和最小為原則，求得各方法的最優(yōu)定權(quán)系數(shù)，組合求解得到最終預(yù)測(cè)值，以此為區(qū)域物流發(fā)展規(guī)劃提供依據(jù)。

關(guān)鍵詞：區(qū)域物流量；多元線性回歸法；二次指數(shù)平滑法；灰色預(yù)測(cè)模型；組合預(yù)測(cè)模型

中圖分類號(hào)：F250 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： In order to realize the accurate estimation for the logistics needs of the region， the thesis use multiple linear regression、double expontial smoothing、grey forecasting model for logistics volume prediction， on basis of these，using the optimal weighting combination model， the principle is to make the least sum of combined square error for each method， getting the optimal weighting coefficients of each method and the finally predicted results， which provide the basis for regional logistics development planning.

Key words： forecast logistics amount； multiple linear regression； double expontial smoothing； grey forecasting model； weighting combination model

在當(dāng)今經(jīng)濟(jì)全球化快速發(fā)展的大背景下，被稱為“第三利潤(rùn)源泉”的物流業(yè)成為我國(guó)經(jīng)濟(jì)發(fā)展重要的產(chǎn)業(yè)和新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)，備受關(guān)注。2015年《中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃的建議》中，從國(guó)家戰(zhàn)略發(fā)展的高度三次提到“物流”，此外各地區(qū)在“十三五”規(guī)劃的研究工作中也高度重視物流業(yè)的發(fā)展規(guī)劃。但是，由于我國(guó)物流產(chǎn)業(yè)還處于起步階段，大部分地區(qū)沒有物流統(tǒng)計(jì)的歷史數(shù)據(jù)，大都用貨運(yùn)量代替物流量[1]，影響預(yù)測(cè)的準(zhǔn)確性；具有歷史統(tǒng)計(jì)數(shù)據(jù)的地區(qū)，如果僅利用單一的預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，結(jié)果又存在相對(duì)較大的誤差。本文采用最優(yōu)定權(quán)組合預(yù)測(cè)方法[2]，將多種預(yù)測(cè)方法進(jìn)行組合求解，大大提升了預(yù)測(cè)的準(zhǔn)確性。采用多元線性預(yù)測(cè)的方法[3]，通過(guò)對(duì)區(qū)域經(jīng)濟(jì)發(fā)展情況的預(yù)測(cè)分析，進(jìn)而對(duì)區(qū)域物流量進(jìn)行預(yù)測(cè)，規(guī)避沒有歷史物流量統(tǒng)計(jì)數(shù)據(jù)帶來(lái)的弊端；利用指數(shù)平滑法和灰色預(yù)測(cè)模型[4-6]從一組歷史時(shí)間序列數(shù)據(jù)中挖掘有用的信息，尋求物流量本身的變化規(guī)律，并據(jù)此建立定量分析的數(shù)學(xué)模型，來(lái)預(yù)測(cè)未來(lái)年度的貨運(yùn)量；最后，利用最優(yōu)定權(quán)組合預(yù)測(cè)模型，將上述三種方法根據(jù)組合誤差平方和最小為原則[7]，確定單項(xiàng)預(yù)測(cè)方法的最優(yōu)加權(quán)系數(shù)，進(jìn)行加權(quán)求和，得到預(yù)測(cè)結(jié)果，規(guī)避了單一預(yù)測(cè)方法誤差較大的弊端。

1 區(qū)域物流量預(yù)測(cè)方法

區(qū)域物流量的預(yù)測(cè)方法有很多，其中包括德爾菲法（Delphi）、主觀概率法、頭腦風(fēng)暴法、專家評(píng)估法、市場(chǎng)調(diào)查法、歷史類比法等定性分析的方法，主要適用于數(shù)據(jù)奇缺或難于做定量分析的情況；從現(xiàn)階段國(guó)內(nèi)外已有物流量預(yù)測(cè)的研究來(lái)看，常用的定性預(yù)測(cè)方法主要有（非）線性回歸法、指數(shù)平滑法、灰色預(yù)測(cè)模型、馬爾科夫分析、神經(jīng)網(wǎng)絡(luò)模型、組合預(yù)測(cè)模型等。

1.1 多元線性回歸預(yù)測(cè)方法

多元線性回歸預(yù)測(cè)法是指通過(guò)兩個(gè)或兩個(gè)以上的自變量與一個(gè)因變量的相關(guān)分析，建立預(yù)測(cè)模型進(jìn)行預(yù)測(cè)的方法。當(dāng)自變量與因變量之間存在線性關(guān)系時(shí)，稱為多元線性回歸分析。在區(qū)域物流量預(yù)測(cè)中，該方法經(jīng)常用于沒有歷史數(shù)據(jù)統(tǒng)計(jì)的情況下，物流量的預(yù)測(cè)只能通過(guò)對(duì)區(qū)域經(jīng)濟(jì)發(fā)展和變化、進(jìn)出口額、固定資產(chǎn)投資情況等幾個(gè)主要影響因素的變動(dòng)情況進(jìn)行分析。

3 結(jié) 論

最優(yōu)定權(quán)組合預(yù)測(cè)方法在對(duì)地區(qū)物流量[10]進(jìn)行預(yù)測(cè)時(shí)，既考慮了地區(qū)經(jīng)濟(jì)發(fā)展等因素的影響，又兼顧了單項(xiàng)預(yù)測(cè)方法的精準(zhǔn)性，以組合預(yù)測(cè)誤差平方和最小為原則，充分利用了各項(xiàng)預(yù)測(cè)方法的優(yōu)勢(shì)，可以得到相對(duì)準(zhǔn)確的物流量，為區(qū)域物流園區(qū)的規(guī)劃建設(shè)做出了貢獻(xiàn)。

參考文獻(xiàn)：

[1] 鄒欣，汲昌霖. 區(qū)域物流園區(qū)建設(shè)規(guī)模預(yù)測(cè)分析[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2015（10）：11-15.

[2] 張春萍，殷瑩. 基于最優(yōu)定權(quán)組合模型的物流量預(yù)測(cè)[J]. 物流工程和管理，2013（1）：86-88.

[3] 譚司庭. 基于變權(quán)組合預(yù)測(cè)方法的區(qū)域物流園區(qū)用地規(guī)模研究[D]. 長(zhǎng)沙：中南大學(xué)（碩士學(xué)位論文），2010.

[4] 陳實(shí). 貨運(yùn)量預(yù)測(cè)方法及應(yīng)用研究[D]. 武漢：武漢理工大學(xué)（碩士學(xué)位論文），2008.

[5] 張錦. 物流系統(tǒng)規(guī)劃與設(shè)計(jì)[M]. 成都：西南交通大學(xué)出版社，2009.

[6] 鄧聚龍. 灰色系統(tǒng)理論教程[M]. 南昌：華南理工大學(xué)出版社，1990.

[7] 戴鈺. 最優(yōu)組合預(yù)測(cè)模型的構(gòu)建及其應(yīng)用研究[J]. 經(jīng)濟(jì)數(shù)學(xué)，2010（3）：93-98.

[8] 芮海田，吳群琪，袁華智，等. 基于指數(shù)平滑法和馬爾科夫模型的公路客運(yùn)量預(yù)測(cè)方法[J]. 交通運(yùn)輸工程學(xué)報(bào)，2013，13（4）：87-93.

[9] 四川省發(fā)展和改革委員會(huì). 2014年四川省物流運(yùn)行情況的通報(bào)[EB/OL]. （2015-02-13）[2016-03-15]. http：//www.scdrc.gov.cn/dir45/78663.htm.

[10] Sullivan W， Claycombe W. Fundamentals of Forecasting[M]. Reston： Reston Publishing， 1977.