数学建模课程论文-浅谈数学模型在物流管理中的作用.docxVIP

浅谈数学模型在物流管理中的作用 “模型”这个词用于不同的领域有不同的含义。它通常是指人们为了某个特定的目的而将原型的某些信息精简压缩，加以提炼而构造的原型替代物。例如，飞机或建筑物的微缩模型。尽管这个词有许多不同的用法，但它却指明一个共同点属性，那就是与实物的相似性。模型其实只是实际对象的替代物，只是实际对象的某些方面和某些层次的近似表示，它应包含实际系统中的主要因素，但不可能与实际系统一一对应。因此，数学模型，通俗地去理解指的便是利用数学语言和工具来简洁明了的表述一些复杂信息，具体的定义是指数学模型是指对于现实世界的某一特定对象，为了某个特定目的，作出必要的简化和假设，运用适当的数学工具得到的一个数学结构或数学表示。20世纪90年代以来，物流的重要性越来越多的被人们所认识，被称为企业的“第三利润源泉”。我国物流国标定义为：物品从供应地向接受地的实体流动中，将运输、储存、装卸、搬运、包装、流通加工、配送、信息处理等功能有机结合、优化管理来满足物主要求的过程。因此，如何在整个物流体系中充分的运用数学模型，发挥数学模型所具有的分析，预测，干预等作用来优化整个物流系统，成为了物流管理中的一个重要研究方面。接下来，本文将通过数学模型在物流管理中的预测过程、运输活动、库存现象三方面的具体应用来论述数学模型以及数学建模思维在物流管理中的作用。一、数学模型在物流管理中具有预测作用物流产业作为综合性很强大经济产业，无论是物流产业的宏观决策，还是物流企业的规划和经营决策，都需要以正确的预测为前提，而物流需求预测则是物流管理的基础。在需求预测中往往依据具体的实际情况来选择相对应的预测模型，现将各预测模型特点对比如下;模型名称时间范围适用情况需做工作一元线性回归预测模型短、中期自变量与因变量之间存在线性关系需费大量的调查研究工作多元线性回归预测模型短、中期因变量与两个或两个以上的自变量之间存在着线性关系需费大量时间为所有变量收集历史数据，通常借助于计算机计算非线性回归预测模型短、中期因变量与一个或多个自变量之间存在着某种非线性关系需手机历史数据，并用多个非线性模型进行拟合试验，需借助于计算机时间序列平滑预测模型中期只使用于短期预测，精确度不高只需时间序列历史数据产销平衡预测模型短、中、长期适用于预测某些区域间、某种货物交流量需先对各区域的货物总发送量和到达量作预测，也可能还需基年各区域间的物流分布表 从中我们可以看出，任何一种预测模型都是建立在一定的假设条件之上的，而任何一种假定条件都无法囊括现实世界中错综复杂的关系。因此，在选择预测模型时应切合实际情况，而不是生搬硬套。也就是说，一个适合的模型选择，不仅要包含影响被预测项目的主要因素，而且要适应于预测的环境和条件，还应考虑到预测模型的有效时间范围、精确度以及需做的工作量等。由此，我们可以类推到数学模型的建立以及其在实际问题中的应用也是应该如此考虑，再最终做出选择的。[案例]（引自[4]） 某国际集装箱码头统计了12年集装箱吞吐量与该地区工业生产总值的关系。 某码头集装箱年吞吐量与该地区工业生产总值的关系工业产值（亿元）99110132161193194246274281344372349年吞吐量（×104TEU）435366708493110131170169197178注：TEU为国际集装箱运输的计量单位，即一个20尺标准箱试预测当该地区工业产值达到500亿元时，该码头集装箱的年吞吐量为多少?(取显著性水平α=0.05)利用一元线性回归模型进行预测为：作出散点图：从图中大致可看出两者的关系是一种正相关关系，而且近于线性。 选择线性回归模型：i=a+bxi由模型计算得a=-7.272，b=0.519，即回归模型为：i=-7.272+0.519xi接下来进行统计检验：Qe==1676.38，S==12.928，v=S/=0.1137因为v=0.1137，在0.1～0.15之间，说明估计误差较小，比较满意。经计算，相关系数r=0.973,说明两变量高度相关再进一步经过可决系数检验，t检验，D-W检验可知此模型拟合得较好。所以，当工业产值为500亿元时，由回归方程得i=-7.272+0.519×500=252.35，即该码头集装箱的预测年吞吐量为252.35×TEU。通过预测模型的运用，例如回归模型，可以探求物资需求和生产中的自身规律，从而为物流预测提供有价值的信息，为企业能够进行商品的科学配送提供了基础数据。二、数学模型在物流管理中具有预测作用数学模型（引自[7]）假设有 m 个生产地点,可以供应某种物资(以后称为产地)，用 Ai 表示，i = 1,2,,m；有 n 个销售地，用 Bj 表示，j = 1,2, ,n；产地的产量和销售地的销售量分别为 ai , i = 1,2,,m 和 bj ,j