趙雪琴

【摘要】近年來，天貓雙十一包裹量的增長呈現(xiàn)“S”形。灰色離散Verhulst模型是對灰色verhulst模型的優(yōu)化，它不僅適用于具有飽和“S”型特征的數(shù)據(jù)序列，而且能消除由微分方程跳到差分方程時產(chǎn)生的誤差，從而使預(yù)測精度更高。通過建立基于灰色離散verhulst模型，對天貓雙十一包裹量進(jìn)行中短期預(yù)測，可以為雙十一當(dāng)天第三方物流企業(yè)的物流資源規(guī)劃與配置提供重要依據(jù)。

【關(guān)鍵詞】離散 verhulst模型 雙11包裹量 天貓

1 引言

2017年天貓雙11全天產(chǎn)生的包裹量高達(dá)8.12億個，導(dǎo)致短期內(nèi)物流需求量暴增。第三方物流企業(yè)面對急劇增加的物流需求，常?！耙幻蛠y”，發(fā)貨時間延遲、物流配送中心爆倉、物流運(yùn)輸及物流信息反饋不及時等問題層出不窮。因此，準(zhǔn)確預(yù)測天貓雙十一包裹量，有助于第三方物流企業(yè)提前對整體物流資源進(jìn)行更加合理、高效的配置。

天貓雙十一活動包裹量的增長呈現(xiàn)出飽和“S”形的特征，規(guī)律較為固定?；疑x散Verhulst模型是對灰色verhulst模型的優(yōu)化，不僅對于近似飽和“S”型數(shù)據(jù)序列模型依然適用，且能消除由微分方程跳到差分方程時產(chǎn)生的誤差使預(yù)測精度更高。因此，本文選擇灰色離散Verhulst模型對天貓雙十一包裹量進(jìn)行預(yù)測。

2 基于灰色離散verhulst模型的天貓雙+一包裹量預(yù)測

選擇2011年到2017年天貓雙十一包裹量作為原始數(shù)據(jù)（數(shù)據(jù)由中國電子商務(wù)研究中心每年官方發(fā)布的雙十一數(shù)據(jù)整理而得）。原始數(shù)據(jù)為：

X（0）=[2200，7800，15200，27800，46700，65700，81200]

由于原始數(shù)據(jù)本身呈S形，因此可以直接取原始數(shù)據(jù)為X（1），建立verhulst模型

直接對X（1）進(jìn)行模擬。

Stepl：X0=[2200，7800，15200，27800，46700，65700，81200]

Step2：γ（0）=[0.000455，0.000128，0.000066，0.000036，0.000021，0.000015，0.000012]

Step3：γ（1）=[0.000455，0.000583，0.000649，0.000685，0.000706，0.000721，0.000733]

Step4：應(yīng)用最小二乘法求解可得參數(shù)：

β=（β1，β2，β3）r=（0.000363，0.000005，0.473340）

Step5：灰色離散verhulst模型為

y（1）（t+1）=0.000363+0.000005t+0.47334y（1）（t）

Step6：求解灰色離散verhulst模型得模擬序列為：

X（0）=[2200，7788.11，15142.03，27607.23，45529.86，66026.81，84139.51]

由計算結(jié)果可知：用灰色離散verhulst構(gòu)建的天貓雙十一包裹量預(yù)測模型的精度高達(dá)98.69%，可以有效地對天貓雙十一包裹量進(jìn)行預(yù)測。并與幾種典型的灰色實(shí)數(shù)序列預(yù)測模型預(yù)測模擬結(jié)果進(jìn)行對比分析，發(fā)現(xiàn)灰色離散verhulst模型的模擬相對誤差整體低于GM（1，1）模型和灰色verhulst模型的模擬相對誤差，如表1所示。

綜上可以看出，基于灰數(shù)離散Verhulst模型相對于其他灰色實(shí)數(shù)序列預(yù)測模型的預(yù)測結(jié)果，表現(xiàn)出了良好的預(yù)測效果。

3 結(jié)論

本文構(gòu)建的灰色離散verhulst的天貓雙十一包裹量預(yù)測模型，與其他經(jīng)典灰色實(shí)數(shù)序列預(yù)測模型的預(yù)測效果相比，誤差更低，預(yù)測效果更好。因此，預(yù)測結(jié)果可以作為第三方物流企業(yè)提前規(guī)劃物流資源、做好物流業(yè)務(wù)流程安排的依據(jù)。