基于gm(1,1)回归的需求预测优化模型研究 @@.pdfVIP

基于GM(1，1)回归的需求预测优化模型研究 口王少然 口刘文慧 西安工程大学机电工程学院 西安710048 摘要：为提高市场需求预测的精确性，将多元线性回归方法与灰色GM(1，1)结合进行需求预测， 利用灰色马尔科夫状态转移概率矩阵对预测结果进行优化，建立了一个新的需求预测优化模型，最后进 行算例分析。结果表明，通过矩阵优化可有效降低预测误差，以实现科学合理的决策。 关键词：需求预测多元线性回归GM(1。1)模型矩阵优化 中图分类号：THl22 文献标志码：A Abstract：Inorderto tlle ofdemaJld linear impmveaccuracy forecasting，themultiple regression methodwascombined佃thGM demand and MarkoVstate—transition (1，1)for forecastingthen，usedgray matrixto thef叫ecastedoutcomeinordertoestablishanew modelfordemand optimize optimi盟tion for6ml resultsshowthat itis toreduce aIlalyses．ne bymat血叩tiIIli髓tionpossible forecastingex锄ple theforecausterror while scientificandrational e‰ctivelyachieving decision—making． Words：Dem粕d MllltipleLiIIe盯Regre鼹ionGM(1，1)Model Key Fo№∞s缸g Ma臼权optimizalion 随着经济的快速发展，市场竞争日益激烈，能够对 况。基于市场的复杂性，影响需求预测的因素有很多， 市场需求做出合理的预测成为很多企业实现市场精准 为实现较为精确的需求预测，需选取合适的方法并建 定位、资源优化配置、利润最大化的关键。国内外学者 立更加准确的需求预测模型。 在需求预测方面的研究越来越多，同时在预测方法上 多元线性回归方法可简洁、明了地剔除或保留相 关影响因素，并具有研究变量间相关性关系的特点；灰 不断改进。凌学文…等将灰色GM(1，1)应用到市场需 求预测中：孙涵[2]等利用支持向量回归机对中国煤炭 色GM(1，1)模型具有研究不确定系统、适合中长期预 长期需求进行预测；但是单一预测方法的运用，使得模 测、预测结果较为精确的特性；灰色马尔科夫一步状态 型误差较大。耿立艳[3]、汤俊…等分别建立了新的物流 转移矩阵可对误差进行修正，具有预测结果更为精确 需求预测模型；卢二坡[s]建立时间序列组合模型，组合 的优势。笔者建立了一个适用于多因素影响的复杂系 预测模型的建立，降低了单一预测方法的误差及局限 统需求预测优化模型。 性。越来越多的学者开始利用组合预测方法进行预测， 1．1 建模过程 霍蕾[“、李勇[引、崔吉峰[引、铁钰[引、耿秀娥[10]等将多预测 建模过程由以下5步完成，建模过程如图l所示。 方法结合，获得更精确的预测结果；周倩倩…]等将灰色 第一步，数据初始化处理，模型检验； GM(1，1)预测与马尔科夫优化方法结合对江苏城镇居 第二步．利用多元线性回归方法对因变量进行事 民冷链物流需求量进行预测。利用优化有效降低预测