胡佳迎

摘要：隨著電商的興起，人們已經(jīng)習(xí)慣在網(wǎng)上購物。隨之興起的便是物流快遞行業(yè)。對于各大快遞公司來說，如果能夠比較精確的預(yù)測淡旺季的貨量，便能夠提前安排好各個(gè)分撥中心的人力以及車線的運(yùn)作。文章對四種貨量預(yù)測的方法進(jìn)行簡單的介紹，定性預(yù)測，線性回歸預(yù)測，時(shí)間序列預(yù)測以及神經(jīng)網(wǎng)絡(luò)預(yù)測，并對四種方法的優(yōu)缺點(diǎn)做了分析。

關(guān)鍵詞：預(yù)測；貨量；定性預(yù)測；線性回歸；時(shí)間序列；神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2018）08-0152-02

近年來，快遞行業(yè)隨著電商的興起業(yè)務(wù)量也大大增加，據(jù)國家郵政局統(tǒng)計(jì)，2017年11月份，全國快遞公司業(yè)務(wù)量完成47.1億件，同比增長25.2%。如此龐大的業(yè)務(wù)量對快遞公司來說的確是一個(gè)考驗(yàn)，能否按時(shí)把快遞送到客戶手中，能否做到時(shí)效最優(yōu)無疑成了各大快遞公司競爭的焦點(diǎn)。特別是面對雙十一，雙十二這種電商大促，如果快遞公司能做到比較精確的預(yù)測未來一段時(shí)間的貨量，那么就能夠提前安排各個(gè)分撥中心的人力以及全國路由車線的運(yùn)作，避免出現(xiàn)爆倉等現(xiàn)象。

1貨量預(yù)測方法簡介

有關(guān)貨量預(yù)測的方法有很多，下面就分別介紹四種最常見的方法，定性預(yù)測，線性回歸預(yù)測，時(shí)間序列預(yù)測以及神經(jīng)網(wǎng)絡(luò)預(yù)測，其中后面三種預(yù)測屬于定量預(yù)測。

1.1定性預(yù)測

所謂定性預(yù)測，就是相關(guān)做預(yù)測的人員或者管理人員根據(jù)過去的經(jīng)驗(yàn)，知識和直覺等對事物做出的預(yù)測。定性預(yù)測法不需詳細(xì)并且連續(xù)的歷史數(shù)據(jù)作為支撐，而且時(shí)效性更強(qiáng)，但是由于定性預(yù)測受主觀因素的影響比較大，我們很難確定其結(jié)果的可信度，而且誤差也無法估計(jì)。

現(xiàn)在有如表1所示兩行數(shù)據(jù)，要預(yù)測7/11號的貨量。第一行數(shù)據(jù)為日期，第二行數(shù)據(jù)為實(shí)際貨量（貨量單位：萬）：

根據(jù)定性預(yù)測法，有人會(huì)用1號到10號的均值（115）作為11號的預(yù)測值；也有人會(huì)覺得貨量是呈現(xiàn)上升趨勢的，應(yīng)該增加一個(gè)增長率作為預(yù)測值。

可見，不同的人的預(yù)測結(jié)果是不一樣的，定性預(yù)測太主觀，需要相對精確的定量預(yù)測做支撐。

1.2線性回歸預(yù)測

簡單來說，線性回歸預(yù)測就是用線性函數(shù)去擬合已經(jīng)觀測到的數(shù)值，從而達(dá)到對未觀測到的數(shù)值的預(yù)測，前提是變量之間為線性關(guān)系。線性回歸分為一元線性回歸和多元線性回歸，所謂一元線性回歸就是只有一個(gè)自變量，一個(gè)因變量；而多元線性回歸是指有多個(gè)自變量，一個(gè)因變量的情況。

1.3時(shí)間序列預(yù)測

時(shí)間序列是指把統(tǒng)計(jì)數(shù)據(jù)按照時(shí)間的先后順序排列所形成的數(shù)列，時(shí)間序列預(yù)測就是根據(jù)歷史數(shù)據(jù)的發(fā)展趨勢去預(yù)測未來的一種方法。

時(shí)間序列預(yù)測法包括簡單移動(dòng)平均法，加權(quán)移動(dòng)平均法，指數(shù)平滑法等。

在貨量預(yù)測中，我們發(fā)現(xiàn)指數(shù)平滑法的預(yù)測效果比較好。所謂指數(shù)平滑法，實(shí)際上一種特殊的加權(quán)移動(dòng)平均法，它是在前期貨量的實(shí)際值和預(yù)測值的基礎(chǔ)上，利用事先確定的平滑系數(shù)預(yù)測未來貨量的一種方法。

1.4神經(jīng)網(wǎng)絡(luò)預(yù)測

神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式信息處理的數(shù)學(xué)模型。在結(jié)構(gòu)上，它可以分為輸入層，輸出層和隱含層，其中，隱含層的節(jié)點(diǎn)和層數(shù)越多，則神經(jīng)網(wǎng)絡(luò)越復(fù)雜。BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)的一種類型。它是一種多層前饋神經(jīng)網(wǎng)絡(luò)，信號前向傳遞，誤差反向傳播，輸入信號從輸入層經(jīng)隱含層逐層處理，直至輸出層，每一層的神經(jīng)元狀態(tài)只影響下一層的神經(jīng)元狀態(tài)。如果輸出層的結(jié)果不符合預(yù)期，則轉(zhuǎn)到反向傳播，根據(jù)預(yù)測誤差調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，從而使得神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出接近期望的輸出。

圖1中，X表示神經(jīng)網(wǎng)絡(luò)的輸入值，Y表示神經(jīng)網(wǎng)絡(luò)的輸出值，ω表示神經(jīng)網(wǎng)絡(luò)的權(quán)值。

我們可以利用SPSS，Matlab，Python等軟件實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測貨量。神經(jīng)網(wǎng)絡(luò)能夠識別復(fù)雜的非線性系統(tǒng)，有較強(qiáng)的自適應(yīng)學(xué)習(xí)能力，這是它的特性。

2預(yù)測結(jié)果評估

在進(jìn)行定量預(yù)測的時(shí)候，我們一般先把數(shù)據(jù)分為兩部分，一部分作為訓(xùn)練集，另一部分作為驗(yàn)證集，這是為了避免出現(xiàn)過度擬合的問題，所謂過度擬合指的是當(dāng)前的數(shù)據(jù)湊巧適合這個(gè)模型，使得模型效果表現(xiàn)優(yōu)異。

2.1常用的衡量預(yù)測精度的指標(biāo)

2.2預(yù)測誤差的分布

可以通過繪制誤差的直方圖或者箱圖來分析預(yù)測誤差的分布，由此可以判斷未來預(yù)測誤差可能的分布情況。

3四種預(yù)測方法的優(yōu)缺點(diǎn)

上述四種預(yù)測方法各有各的優(yōu)點(diǎn)，但同時(shí)又有些局限，我們在進(jìn)行預(yù)測的時(shí)候應(yīng)該根據(jù)實(shí)際情況選擇合適的方法，各個(gè)預(yù)測方法都有它最適合的應(yīng)用場景。表2是四種預(yù)測方法的優(yōu)缺點(diǎn)介紹：

4結(jié)論

本文介紹了四種最常見的預(yù)測分析方法，定性預(yù)測法，線性回歸預(yù)測法，時(shí)間序列預(yù)測法以及神經(jīng)網(wǎng)絡(luò)預(yù)測法并進(jìn)行了預(yù)測結(jié)果的評估。同時(shí)還對這四種方法的優(yōu)缺點(diǎn)進(jìn)行了簡單介紹。在遇到實(shí)際問題時(shí)，我們應(yīng)該根據(jù)實(shí)際問題實(shí)際分析，選擇最合適的預(yù)測方法，建立合理的模型，如果一種模型達(dá)不到理想的效果的話，可以考慮選擇組合模型進(jìn)行預(yù)測。