谈复合预测技术在不确定性逆向物流需求预测中应用.docVIP

谈复合预测技术在不确定性逆向物流需求预测中应用 　　中图分类号：F713 文献标识码：A 　　内容摘要：本文针对逆向物流的不确定性特点，创造性的提出采用灰色预测模型与时间序列预测模型相复合的新型预测模型对逆向物流实施过程中的回收数量、回收质量和回收时间的不确定性进行建模，并对其进行回收预测。通过模拟对比分析，发现该复合式预测模型在数据的拟合准确度方面大大提高，相对于单纯的时间序列预测和灰色预测其准确度分别提高了22%和18%，证明了该复合式预测模型对于逆向物流中的不确定性因素进行预测的有效性和准确性。 　　关键词：需求预测 逆向物流 需求不确定 预测模型 不确定性因素 　　 　　研究背景 　　 　　在逆向物流研究中，不确定性也一直作为研究的一项难点，利用一系列的假设将不确定性问题转化为确定性问题进行探讨。国外针对不确定性逆向物流需求的研究不多见，2000年Amy Hing Ling Laua研究对在制造商-零售商渠道模型中需求不确定性的影响进行了研究；2003年Anshuman Gupta，Costas D.Maranas对供应链规划阶段不确定性管理问题采用随机规划方法进行解决；而对于逆向物流不确定性，2005年Maria IsabelGomes Salema等人在考虑不确定性情况下提出了一个广泛适用的多产品回收网络的优化模型；2004年Donald F.Blumberg在《逆向物流及闭环供应链过程介绍》一书中把需求预测用于逆向物流；2007年Christos Zikopoulos,George Tagaras提出了两个回收站和翻新站情况下回收质量不确定性对获利能力的影响。国内在不确定情况下的逆向物流方面还未见到相关的文献。因此有必要对逆向物流的不确定性影响因素进行探讨，并建立能够较为准确的模拟实际状况的逆向物流模型。 　　本文针对逆向物流的不确定性因素进行分析，将其中最直接和最根本的因素进行有效界定，并创造性地提出采用灰色预测模型与时间序列预测模型相复合的新型预测模型对逆向物流的回收数量、回收质量和回收时间的不确定性进行建模，并利用该模型进行回收预测。 　　 　　逆向物流的不确定性及其预测技术 　　 　　逆向物流的种类一般可以分为简单式独立逆向物流、闭环供应链式逆向物流、顾客导向式逆向物流等几类。各种逆向物流的运作流程都是由多点到一点的运输，其产品种类和质量都不一致，运输过程中目的地和线路不明确，最终的处理方式也不确定，其定价策略依赖的因素非常多，存货管理具有不连续性等。这些都决定了逆向物流具有明显的不确定性。逆向物流从成因到过程都具有不确定性的特点，要建立较为准确的预测模型就需要将这些不确定性因素进行合理的区分，抓住其主要因素，忽略次要因素。表1为逆向物流的回收种类与回收原因。 　　从表1中可以看出逆向物流的种类多种多样，在实际中某次逆向物流活动具体针对是哪一种类具有较大的不确定性，而逆向物流的影响因素更为复杂，要想准确确定某次逆向物流的决定因素也不容易。在这里本文将所有的这些不确定性归结为时间、数量和质量三类不确定性，以这三种不确定性作为基本元素对逆向物流的需求预测模型进行探讨。 　　 　　不确定情况下的逆向物流需求预测模型设计 　　 　　时间序列预测的平均方法具有可以消除随机变动和周期变动的影响的优势，对于数据的长期趋势具有较好的预测能力，缺点是对前边很大一个时间段的数据取平均值，这样就会造成对时间序列数据的波动有较大的滞后性偏差。灰色预测方法是将数据累加后直接对数据进行预测，具有较高的拟合度，其拟合的平滑效果非常好，在一定程度上能弥补时间序列预测方法中的滞后性偏差问题，但这种预测方法在操作上需要对累加数据进行处理，需要考虑的因素比较多，因此较为繁琐。本文根据这两者的特点，采用将时间序列预测法与灰色预测法相结合的方式对不确定情况下的逆向物流进行需求预测，希望在操作简单的条件下不失其预测准确性与平滑性。具体的模型建模方法是在时间序列预测的模型中加入灰色预测的限制因素。 　　首先设定数列的n个观察值x01，x02， 　　……x0n，将这些观察值进行累加生成方式可以得到式（1）所示的新序列，利用该序列可以生成预测模型方程（2）。 　　式（2）中a,u为待定系数，可采用最小二乘法求得其数值，其求解式如式（3）所示，该式中的参数如式（4）、（5）所示。 　　经过对模型的求解和还原便可以完成灰色预测方法的整个流程，求解微分方程后可得模型（6），经过还原可得最终的还原模型（7）。 　　再设定数列的n个观察值设时间序列为：y1,y2,...,yn。可得简单移动平均公式（8），利用灰色预测法中的序列处理手段同时对上述n个序列值进行处理，并将其合并到简单平均公式中。 　　式中：Mt为t期移动