基于ARIMA模型的N铁路局管内物流需求预测研究.docx

模型的铁路局管内物流需求预测研究*基于AＲIMAN汤兆平1，2，孙剑萍1，2，杜相2，汤丽3(1.中南大学，长沙410075;华东交通大学，南昌330013;3.南昌铁路局党(干)校，南昌330002)2.摘要:选取1995－2012年A、B两省货运量数据作为基础，建立AＲIMA模型对两省物流需求进行分析，并采用Static预测方法对两省2013－2015年的物流需求进行了预测。模型不仅克服了传统的需求预测方法偏重定性分析，耗时耗力的缺点，而且将过去值拟合误差作为重要因素纳入模型，提高了预测精度。研究有助于铁路部门结合两省不同的经济发展状况，制定相应的货运营销策略，为铁路在货运组织改革背景下提升货运竞争力提供理论参考。关键词:物流需求;AＲIMA模型;预测;N铁路局一、引言十八大后，为推进综合交通运输体系的建设，进而发挥各种运输方式的整体优势和组合效率。国家决定撤销铁道部组建中国铁路总公司，正式实行铁路政企分开。面对新机制新体制，在运输市场竞争日趋激烈情况下，铁路货运发展面临严峻挑战［1］。根据运输市场变化，铁路总公司决定在全路实施货运组织改革，加快铁路货运向现代物流转变，在不断提高“站到站”货物运输能力和人员服务水平的基础上，加快构建“门到门”运输服务体系，努力实现铁路传统货运向全程物流的转变，提升铁路运输竞争力。N铁路局，是中国最重要的铁路局之一。下辖A、B两省及湖南湖北部分车站。管内拥有车务段10个，直属车站5个。管内铁路处于中国铁路网的中枢，也是长三角、珠三角、闽台三角、华中地区物资流通的枢纽，在全国铁路“八纵八横”的路网骨架中处于极其重要的位置。从2003－2011年全国及A、B两省铁路货运量统计数据来看(表1)，随着经济发展，全国的铁路货运量逐年增长，而A省和B省的铁路货运量所占全国运量比重却逐年减少。因此做好N铁路局管内未来几年的物流需求预测工作，并有针对性的采取相应营销改革策略，对深化货运组织改革，转变运输组织方式，实现铁路跨越式发展具有重要意义。表12003－2011年全国及A、B两省铁路货运量统计表作者简介:汤兆平(1970－)，男，华东交通大学信息工程学院教授，中南大学博士生，主要研究方向:交通运输规划与管理。基金项目:南昌铁路局科技攻关项目资助(201116)*76年份全国(万吨)A省(万吨)比重B省(万吨)比重200322117847842.16%42071.90%200424901757232.30%47221.89%200526929655322.05%44111.64%200628822460902.11%42081.46%200731423764832.06%43041.37%200833035460461.83%36421.10%200933334855701.67%35741.07%(数据来源:中国统计年鉴)二、铁路物流需求研究铁路物流需求是指一定时期内社会经济活动对生产、流通、消费领域的原材料、成品和半成品、商品以及废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和费用方面的要求，涉及运输、库存、装卸搬运以及与之相关的信息需求等物流活动的诸方面［2］。目前，铁路提供的货运服务产品主要是运输，且运输品类以煤炭、石油、钢材等大宗货物为主，对于具有“少批次、大批量、周期长”特点的货物，则显得运力不足。另外，消费品运输市场具有多样化和个性化特点，要求及时、灵活性高。由于铁路逐渐减少零担运输业务，加之时效差，价格优势不明显，办理网点少等缺点，使得铁路在消费品运输市场中也不占优势。三、AＲIMA建模过程Φ(B)=1－Φ1Β－Φ2B2－…－ΦpBpBYt=Yt－1B2Yt=Yt－2BpYt=Yt－pθ(B)=1－θ1B－θ2B2－…θqBqYt是时间序列在t时刻的观察值，也称被解释变量或因变量;Yt－1，Yt－2，…，Yt－p是时间序列在t－1，t－2，…，t－p时刻的观察值，也称解释变量或自变量;εt是一个白噪声过程;c，Φ1，Φ2，…，Φp，θ1，θ2，…，θq是未知的参数。(二)建模步骤1.运用ADF单位根对时间序列的散点图、自相关函数和偏自相关函数图进行检验，明确其方差及变化规律趋势，识别序列的平稳性。2.对非平稳序列进行平稳化处理。经第一步识(AutoregressiveIntegratedMovingAv-AＲIMA模型别后，如果数据序列是非平稳的，并且存在增长或下降趋势，则需要对数据进行差分处理(确定d值)，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零(确定p，q值)。erageModel)是由博克思和詹金斯于20世纪70年代初提出的一种著名时间序列预测方法，又称为博克思－詹金斯法。该模型擅长处理时间序列，能够挖掘连续时间数据之间的自回归特性。近年来，有部分学者利用