组合模型在公路货运量预测中的应用研究.pdfVIP

组合模型在公路货运量预测中的应用研究 彭武雄 武汉理工大学交通学院， 湖北武汉（430063 ） 摘 要：一般来说，公路货运量受到多方面的影响，用一种预测方法一般不能反映货运量与 多种因素之间的关系，也就不能达到准确预测的目的。传统的组合预测方法只是将各种预测 模型分别进行预测，再通过相应的权重得到最后的预测结果，过程繁杂。本文将多种模型综 合运用于货运量的预测，在预测的不同阶段运用不同的预测模型，方法简单、易行，同时克 服了单一预测模型的缺陷，预测结果较为精确。 关键词：时间序列模型；灰色模型；回归模型；组合模型；公路货运量 货运需求的定量预测模型有指数平滑、回归分析、灰色系统、神经网络等多种方法，但 单一的预测模型的条件及适用范围总存在着这样或那样的局限性[1] 。自20 世纪 60 年代以来 组合预测理论开始应用，对组合预测方法的研究和应用发展很快，采用组合预测模型可以克 服单一模型的局限性，尽可能提高预测的精度，但一般的组合预测方法都是用各种预测模型 分别进行预测，再通过相应的权重得到最后的预测结果，预测精确并不会提高。本文采用另 一种组合预测思路，在预测的不同阶段通过分析采用不同的预测模型，并通过实例进行说明 与验证。预测结果表明该组合预测思想特别适合于一些受到单一模型限制的情况。 1. 模型的选择 1.1 时间序列模型 时间序列分析预测的首要任务是辨识影响时间序列的项目因素，这个辨识过程称为分解 [2] 。每个项目的辨识都独立进行，完成分解后的各项目再度组合，由此途径来分析预测时间 序列的未来值。时间序列分析预测的主要任务就是对时间序列的观察样本建立尽可能合适的 分析预测模型，合理的模型会对所关心的时间序列的预测提供帮助。 在这里，只是运用时间序列来直观地分析某些值的趋势，如果这些值的趋势有较好的规 律性，则可用下面的方法进行预测，反之则不可以。 1.2 灰色 GM （1，1）模型 在控制理论中常用的黑色（黑盒）表示仅仅知道系统的输入、输出信息而对系统的内部 结构、特征、参数则全部是未知的。黑色的对立面白色则表示与其相反的系统。自然界和实 际的社会生活中大量存在的是部分信息已知、部分信息未知的介于“ 白色”和“黑色”之间的系 统。灰色系统理论中常用的是微分方程所描述的动态方程，最简单的是基于灰色系统理论的 [3~6] GM （1，1）模型 。 由于以每年的数据形式给定的一般规律性不太明显，因此要对数据进行弱化处理，灰色 模型就是对每年数据进行累加，来得到弱随机序列。这样用于灰色预测模型的数据的随机性 就会减弱一些，用这些数据进行预测相比于原来的数据来说，规律性较强，得出的结果会比 较好些。然后对弱化后的数据用线性动态模型来拟合，建立微分方程。 对于 GM （1，1）的计算过程，可以用MATLAB 进行编程，程序中直接可输入每年的 数据和需要预测的年数。运行 MATLAB 之后，便可以得到预测的结果。 -1- 1.3 回归分析模型 回归分析预测技术是一种通过分析经济变量之间的因果关系和影响程度进行预测的方 法，它一般包括三项工作[1] ： (1)分析一组统计数据，确立 n 个特定变量之间数学模型形式； (2)对模型中的参数进行估计和统计检验，分析影响因素与预测目标之间的关系强弱和 影响程度，确定诸变量中哪些是主要因素，哪些是次要因素以及它们之间的关系； (3)根据求得的回归模型和自变量的值,预测因变量未来的取值，并且分析和研究预测结 果的误差范围和精度.物流需求的发展变化，总是与其他因素密切相关的，如国民经济的发 展、产业结构的变化等等。 本文选建立了货运量与生产总值之间的回归模型。 2. 各种模型的优缺点 时间序列模型是最简单的预测模型，使用十分方便，只需建立货运量与年之间的关系， 但同时也受到很多方面因素的限制，该模型需要每年的数值有很好的规律性，因此使用受到 很大的局限，也较少采用。这里只是利用时间序列模型分