基于灰色GM(1,n)模型的河北物流货运量预测.pdfVIP

第9卷第2期 石家庄铁道大学学报(社会科学版) V01．9No．2 2015年6月 JOURNALOFSHIJ]AZHUANGTIEDAOI小iI、珊islTY(SOCIALSCIENCE EDITION)Jun．2015 文章编号：2095—0365(2015)02—0010—06 基于灰色GM(1，圪)模型的河北物流货运量预测 赵莉琴， 刘敬严 (石家庄铁道大学经济管理学院，河北石家庄050043) 摘 要：在分析河北省货运量影响因素的基础上，提出了基于灰色关联分析的灰色GM (1，T／)预测模型。在国家统计局指标分类基础上，将河北省货运量影响因素分为国民经济、固 定资产投资和房地产、对外经济贸易、能源、运输和邮电、社会消费六类18个指标，采用灰色关 联分析法对18项指标与河北省货运量进行相关性分析，根据灰色关联系数与排序，筛选灰色 GM(1，咒)预测变量，减少预测模型输入工作量，计算模型参数。通过对河北省1993--2012年 货运量实例分析表明，该预测方法具有运算快、精度高的优点。 关键词：货运量；预测；灰色关联分析；GM(1，规)模型；河北省 文献标识码：A 中图分类号：F713 2009年以来，我国政府把物流产业作为十大性回归预测法，比如曲线直线化方法、非线性最小 重点产业之一，提出了一系列振兴规划，制定了区 二乘法和近似非线性法等[8_10]。时间序列预测模 域物流协调和持续发展目标[1]。因此，基于区域 型和回归预测模型一般都是基于数学理论和基本 经济发展的物流需求预测对区域物流规划设计、 假设为前提进行数学建模，对于动态、非规律性、 道路水路发展、配送节点设立、信息系统及网络配 难以描述数据内在影响的事件很难演绎建立数学 置等方面具有积极的现实意义。区域物流需求预 模型。神经网络法作为典型的非线性预测方法在 测包括货运量、运输量、道路需求、物流企业及节 近期应用比较广泛，但是神经网络预测模型采用 点需求、车辆需求量等方面的预测[2]，其中货运量 误差导数梯度下降的方法进行迭代，难以避免出 指标具有综合性和辐射广泛性特点，可以作为区 现局部误差较大的情况[1。佗]。在近期研究中发 域物流需求预测的代表性指标。 现，将神经网络模型与其他方法的结合，比如回归 目前预测研究中经常使用的方法主要集中在 神经网络、模糊算法、遗传算法等，可弥补局部极 时间序列预测模型、回归预测模型和神经网络预 差问题的存在。 测模型三类。时间序列模型在传统的指数平滑法 灰色GM(1，”)模型能够从非线性模型中找 和静态时间序列模型后，现在又根据非线性状态， 出规律，寻找数据的整体功能。灰色理论是建立 提出混沌时序分析法，比如基于混沌预测的非线 在生产数据的建模上，而非原始数据模型，所以其 性自适应录滤波方法、遗传算法快速混沌预测法、 预测结果精度相对比较高[131。灰色GM(1，咒)模 小波网络预测模型等[3。]。回归预测模型包括在 型可以依靠小样本进行原始数据重新生成数据计 传统的线性基础上发展起来的一元回归、多元回 算，然后根据参数对非线性、复杂的数据进行预 归、比例估算法和朗格系数法，到近期发展的非线 测。所以采用GM(1，”)模型能够适应区域货运 收稿日期：2014—12—25 作者简介：赵莉琴(1973一)，女，副教授，研究方向：物流管理。 基地。 本文信息：赵莉琴，刘敬严，基于灰色GM(1，起)模型的河北物流货运量预测[J]．石家庄铁道大学学报：社会科学版， 2015，9(2)：10—15． 万方数据