馬睿

[摘要]物流貨運(yùn)量是衡量物流行業(yè)發(fā)展快慢的重要指標(biāo)。針對不確定影響因素較多的物流貨運(yùn)量預(yù)測采用傳統(tǒng)GM（1，1）模型預(yù)測，預(yù)測結(jié)果精準(zhǔn)度較低。針對該問題，提出了基于馬爾科夫原理的GM（1，1）模型，進(jìn)行物流貨運(yùn)量預(yù)測研究與分析應(yīng)用。根據(jù)馬爾科夫GM（1，1）模型原理，以近幾年的某地物流貨運(yùn)量為研究數(shù)據(jù)，通過實際應(yīng)用研究結(jié)果可知，該方法預(yù)測效果較好，為研究物流發(fā)展提供參考。

[關(guān)鍵詞]馬爾科夫鏈;GM（1，1）模型;物流貨運(yùn)量

[DOI]1013939/jcnkizgsc202009169

1引言

隨著現(xiàn)代物流業(yè)的快速發(fā)展，物流貨運(yùn)量也在不斷地增長。影響物流發(fā)展的重要因素是物流貨運(yùn)量的增長速度，物流貨運(yùn)量的多少決定了物流企業(yè)的經(jīng)濟(jì)狀態(tài)。物流主要是通過鐵路、航空、水路和公路進(jìn)行貨物周轉(zhuǎn)和運(yùn)輸。在現(xiàn)代高速發(fā)展的國際物流和國內(nèi)物流中，由于物流貨運(yùn)量數(shù)據(jù)繁雜，對于貨運(yùn)量統(tǒng)計存在著很大難度，也造成統(tǒng)計的數(shù)據(jù)缺乏精準(zhǔn)度。[1]為了滿足日益增長的物流需求，推動物流行業(yè)的快速發(fā)展，建立合理的物流貨運(yùn)量的預(yù)測模型是非常重要的。為了加快物流業(yè)的快速發(fā)展，在規(guī)劃物流體系的建設(shè)上實行改革創(chuàng)新，通過科學(xué)合理的馬爾科夫GM （1，1） 預(yù)測模型對物流貨運(yùn)量進(jìn)行預(yù)測，對物流系統(tǒng)的應(yīng)用效果加以完善，使模型的預(yù)測準(zhǔn)確值達(dá)到標(biāo)準(zhǔn)，同時要加強(qiáng)物流業(yè)的管理和建設(shè)，促進(jìn)我國物流業(yè)的快速發(fā)展。[2]

2馬爾科夫GM（1，1）模型

21馬爾科夫GM（1，1）模型原理

馬爾科夫灰色模型預(yù)測原理是：①對最初特征數(shù)據(jù)進(jìn)行處理，生成具有較強(qiáng)規(guī)律性的數(shù)據(jù)序列。②計算灰方程參數(shù)，建立相應(yīng)的灰色微分方程。③建立GM（1，1）預(yù)測模型，由預(yù)測模型做第一次預(yù)測。④將馬爾科夫理論與預(yù)測模型結(jié)合，進(jìn)一步對模型優(yōu)化改進(jìn)，通過利用馬爾科夫原理將數(shù)據(jù)劃分狀態(tài)，建立狀態(tài)轉(zhuǎn)移矩陣。⑤通過馬爾科夫原理獲取待預(yù)測年份所處狀態(tài)的邊界值，計算出預(yù)測年度的預(yù)測修正值，進(jìn)而得到預(yù)測值。

由預(yù)測原理可知，該過程是隨機(jī)的，因此，馬爾科夫預(yù)測過程是一個隨機(jī)變動過程，事物每一次變動結(jié)果都是具有狀態(tài)轉(zhuǎn)移的無后效性。對馬爾科夫進(jìn)行分析可知，該過程是由一種狀態(tài)隨機(jī)轉(zhuǎn)變?yōu)榱硪环N狀態(tài)，即為轉(zhuǎn)移過程。根據(jù)該過程，能夠分析事物轉(zhuǎn)移狀態(tài)相關(guān)屬性，進(jìn)而確定前狀態(tài)、后狀態(tài)和轉(zhuǎn)移狀態(tài)三者之間的關(guān)系，即為預(yù)測事物變動結(jié)果，依據(jù)此來預(yù)測物流貨運(yùn)量未來幾年變動情況。

22模型應(yīng)用——物流貨運(yùn)量預(yù)測

隨著物流業(yè)迅速發(fā)展，某地區(qū)實際貨運(yùn)量也呈上升趨勢，對該地區(qū)實際貨運(yùn)量進(jìn)行量化處理，分析物流貨運(yùn)量如表1所示。

由表1可看出，某地區(qū)實際物流貨運(yùn)量出現(xiàn)了逐年遞增趨勢，在年份為2012、2013、2018時貨運(yùn)量變化較大。該數(shù)據(jù)是由官方提供的真實性數(shù)據(jù)，結(jié)合某地區(qū)實際物流貨運(yùn)量，預(yù)測方法具體實現(xiàn)步驟如下所示。

在預(yù)測前先把數(shù)據(jù)進(jìn)行規(guī)劃處理，運(yùn)用實際物流貨運(yùn)量的數(shù)據(jù)進(jìn)行預(yù)測實驗。計算灰色預(yù)測模型的灰數(shù)，得出灰色預(yù)測模型。用數(shù)學(xué)語言描述隨機(jī)過程，將時間集合，保證狀態(tài)空間是離散的，由此獲取時間狀態(tài)離散集，在規(guī)定時間內(nèi)，統(tǒng)計離散集下的概率，利用馬爾科夫原理將數(shù)據(jù)劃分狀態(tài)，建立狀態(tài)轉(zhuǎn)移矩陣。當(dāng)時間系統(tǒng)處于一個狀態(tài)時，每個狀態(tài)都具有n個轉(zhuǎn)向，由此計算該狀態(tài)下的概率，即系統(tǒng)在規(guī)定時間內(nèi)系統(tǒng)處于狀態(tài)空間條件下的條件概率，集合一步轉(zhuǎn)移概率形成狀態(tài)概率矩陣。由一步轉(zhuǎn)移概率轉(zhuǎn)向為k步轉(zhuǎn)移概率，進(jìn)而形成k步轉(zhuǎn)移概率矩陣。通過馬爾科夫原理得出預(yù)測年份所處狀態(tài)的邊界值，進(jìn)而計算出預(yù)測年份的修正值，再計算出預(yù)測值。

3結(jié)果分析

針對研究的馬爾科夫GM（1，1）模型的物流貨運(yùn)量預(yù)測方法有效性進(jìn)行實驗驗證分析，以某市為研究對象預(yù)測，將傳統(tǒng)方法與所提方法的預(yù)測精準(zhǔn)度進(jìn)行對比分析。采用傳統(tǒng)預(yù)測方法準(zhǔn)確度不高，始終低于80%，而采用馬爾科夫灰色預(yù)測法預(yù)測準(zhǔn)確度較好，始終高于85%。傳統(tǒng)方法預(yù)測的準(zhǔn)確度在2015年時達(dá)到最高為80%，在2012年時是最低為74%;馬爾科夫灰色預(yù)測法預(yù)測準(zhǔn)確度最高在2017年時為94%，最低在2013年為85%。

4結(jié)論

在現(xiàn)階段的物流企業(yè)系統(tǒng)運(yùn)行中，物流貨運(yùn)量在運(yùn)輸、周轉(zhuǎn)等過程中作為基礎(chǔ)數(shù)據(jù)，通過應(yīng)用馬爾科夫GM（1，1）模型預(yù)測能夠?qū)ξ锪髫涍\(yùn)量進(jìn)行合理性分析，進(jìn)而提高預(yù)測結(jié)果精準(zhǔn)度。物流企業(yè)在實際應(yīng)用中，可以根據(jù)企業(yè)的實際情況進(jìn)行修改和完善，建立更精確的預(yù)測模式，確保預(yù)測值的準(zhǔn)確性，滿足物流企業(yè)需求。采用合理預(yù)測能夠幫助企業(yè)穩(wěn)定經(jīng)營，這是保障物流行業(yè)穩(wěn)定發(fā)展的前提，也是物流企業(yè)運(yùn)營的關(guān)鍵。雖然采用馬爾科夫GM（1，1）預(yù)測，能夠改變采用傳統(tǒng)方法預(yù)測精準(zhǔn)度低的問題，但影響物流貨運(yùn)量的因素還有很多，在文章研究模型中未做出假設(shè)。因此，在不同的環(huán)境下對物流貨運(yùn)量進(jìn)行預(yù)測還有進(jìn)一步對模型改進(jìn)的空間。

參考文獻(xiàn)：

[1]時冬青， 宋文華， 張桂釧，等 基于灰色GM（1，1）-馬爾科夫模型的職業(yè)病預(yù)測研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù)， 2017， 13（4）：176-180

[2]張志明 基于新陳代謝-GM（1，N）馬爾科夫的軌道交通客運(yùn)量預(yù)測方法[J]. 公路交通科技， 2018， 35（12）：145-154

[3]趙振武， 麻建軍 基于灰色馬爾科夫模型的機(jī)場安檢危險品數(shù)量預(yù)測[J]. 安全與環(huán)境學(xué)報， 2017， 17（1）：51-53

[4]紀(jì)伊琳， 錢政 基于殘差補(bǔ)償灰色馬爾科夫模型的校準(zhǔn)間隔預(yù)測方法[J]. 電測與儀表， 2017， 54（21）：13-17

[5]嚴(yán)雪晴 基于灰色模型的廣東高技能物流人才供需預(yù)測研究[J]. 數(shù)學(xué)的實踐與認(rèn)識， 2017， 47（17）：313-320