物流需求预测研究分析报告

《物流需求预测研究分析报告》由会员分享，可在线阅读，更多相关《物流需求预测研究分析报告（41页珍藏版）》请在装配图网上搜索。

1、. .山东交通学院2008届毕业生毕业论文（设计）物流需求预测研究分析院(系)别交通与物流工程系专 业物流工程届 别2004届学 号姓 名指导教师山东交通学院教务处二八年三月33 / 41原 创 声 明本人刘冲郑重声明：所呈交的论文“物流需求预测研究分析”，是本人在导师的指导下开展研究工作所取得的成果。除文中特别加以标注和致谢的地方外，论文中不包含任何其他个人或集体已经发表或撰写过的研究成果，对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明，本人完全意识到本声明的法律后果，尊重知识产权，并愿为此承担一切法律责任。论文作者(签字)：日期：2008年6月5日摘 要物流作为一个新兴的产业

2、，已经成为社会经济发展的重要建设要素。物流的需求与预测作为物流发展的一个重要的课题，也已经成为众多企业和专家研究的重点。本文首先阐述了在对国内外研究现状和论文的研究意义进行了一些总结，简单地介绍了物流需求预测相关理论，并探讨简单总结了一些比较常用的预测方法。然后，重点讨论了灰色预测方法的概念和其在物流需求预测中的应用，介绍了几种基本的灰色预测模型。随后，通过对20002005年安民物流公司业务量的系统分析，运用灰色系统理论，建立了一系列的灰色预测模型，对未来五年的业务量进行了预测。最后，通过对不同模型的预测结果的进行了比较分析，得到了公司业务量较为合理的预测模型。实验表明最终的预测模型是合理、

3、有效的。灰色系统理论应用于物流需求预测，建模方法简单，精度较高，具有一定的理论依据和现实意义。关键词：物流，需求预测，灰色理论AbstractLogistics as an emerging industry, has become an important socio-economic development of building elements. Logistics and forecast the demand for logistics development as an important issue, many enterprises have also become the

4、focus of the study and experts. First of all issues on the domestic and international research papers on the status and significance of a number of summary, the logistics demand forecast on the theory and simple summed up some of the more commonly used method of forecasting. Focused on the grey fore

5、casting methods and the concept of logistics in its prediction of demand on several basic grey model. By 2000 to 2005 for all of the logistics business systems analysis, the use of grey system theory, the establishment of a series of grey model, the volume of business in the next five years to predi

6、ct. Finally, the different models predict the results of a comparative analysis, the companys business volume is more reasonable prediction model. Experiments show that the final prediction model is a reasonable and effective. Grey theory applied in the logistics system to forecast demand, modeling

7、method is simple, high precision, has a theoretical basis and practical significance.你的翻译有挺多地方不通顺，调整完中文摘要再翻译一下，然后在疏通疏通就好了。Key words:LogisticsLogisce,DemandForecast,Grey Theory目 录前言11 绪论21.1 论文的研究背景和意义21.1.1 研究背景21.1.2 研究的意义21.2 国内外研究的情况31.2.1 国外的研究情况31.2.2 国内研究的情况31.3 本文主要研究的内容42 物流需求预测研究52.1 物流需求相关

8、概念52.2物流需求预测方法72.2.1预测方法概述72.2.2 常用需求预测方法72.3 本章小结113 物流需求灰色预测法研究分析123.1 灰色预测法概述123.2灰色预测系统模型研究143.2. 1GM(1，1)模型143.2.2 残差修正GM(1，1)模型193.2.3 GM(1，1)模型群203.3 本章小结214 实例224.1 基本GM(1，1)模型224.1.1 基本GM(1，1)模型的建立过程224.1.2 模型的检验与结果分析244.2 残差修正GM(1，1)模型的应用254.2.1 残差修正模型的建立过程254.2.2 模型的检验与结果分析274.3 基于直接数据的GM

9、(1，1)预测模型的设计与实现274.3.1 直接数据模型的建立过程284.3.2 模型的检验与结果分析294.4 不同预测模型的分析比较304.5 本章小结31结论32致谢33参考文献34前 言随着世界经济一体化的深入，发展物流已成为当代企业提高利润经济效益，降低内耗的最有效途径之一。现代物流业将成为21世纪中国经济发展的重要产业和新的经济增长点，推动现代物流发展是已成为中国要融入世界经济、,参与市场竞争，、改善投资环境，实现产业整合的需要。目前，为止国内外已经就物流需求预测的问题进行了比较深入的研究。比如运用物流需求同经济水平的关系来描述物流量，物流作业内容角度描述物流量，物流本源需求规模

10、的大小描述物流量；通过对甘肃省的物流需求规模的影响因素和省情特征进行的分析，预测了甘肃省在未来十年内物流总费用规模和第三方物流市场产值的规模，对推动甘肃省物流产业的发展具有一定的价值非常重要的意义；运用现代物流学、物流系统分析原理以与定量分析技术，在调研和资料收集的基础上，进行了奥运物流需求分析的理论和方法研究，并得出奥运物流需求特性与需求量预测结果。但我们也应该可以看到目前国内对于物流系统的内在规律和规划方法还有待进一步研究，（不通顺啊）物流需求分析和预测方法理论也没有国外一些发达国家完善，这样导致了人们进行物流规划时经常会南辕北辙。在这种情况下，本文针对物流规划中存在的问题，重点研究物流需

11、求分析和合理预测物流需求量的问题，以求科学地指导物流规划，使物流规划在新的经济条件下对现代物流系统的完善起到积极的促进作用。为了更好的发展中国经济和提高物流水平，进行合理的分析物流规划，寻求解决的方法，将是一项富有现实意义的课题。本文中重点研究的是灰色预测法。灰色预测法是由华中理工大学的邓聚龙教授首先提出并加以发展的。他提出灰色预测是一种对含有不确定因素的系统进行预测的方法，是根据过去的与现在已知的或非确定的信息，建立一个从过去延伸到将来的灰色模型（GREY MODEL简称GM），从而确定系统未来发展变化的趋势，并为规划、决策提供依据。灰色预测法在物流中的应用中的主要任务是探讨开拓出一条新的途

12、径，克服概率统计的弱点，从杂乱无章、有限的、离散的数据中找出规律、建立灰色系统模型，。从而服务于我们的物流需求预测。论文根据灰色系统理论，建立了各种不同的灰色模型，并对烟台市安民物流进行了分析预测，以便找出了合适的灰色预测模型，来预测未来五年安民物流公司的需求。1 绪论一级标题，你没格式化，以下雷同。1.1 论文的研究背景和意义1.1.1 研究背景20世纪中叶以来，随着世界经济的复苏，商品的生产规模和流通规模不断扩大，物流在商品生产流通中的地位也不断提高。然而随着世界经济一体化的深入，发展物流已成为当代企业提高利润，降低内耗的最有效途径。因此，物流又被称做“第三利润源”，“21世纪最大的行业”

13、。在当今社会，国外的物流行业已经发展到一定阶段。比如说日本物流的信息化，美国物流的供应链管理，欧洲的第三方物流等都已经达到世界水平。物流行业被认为国民经济发展的动脉和基础产业，其发展程度已成为衡量一个国家现代化程度和综合国力的重要标志之一。由此可见，现代物流业必将成为21世纪中国经济发展的重要产业和新的经济增长点，推动现代物流发展是中国要融入世界经济,参与市场竞争，改善投资环境，实现产业整合的需要。论文认为，在技术水平受到一定限制，并在一定时间内不能有效解决问题的情况前提下，如何更好的实现对物流需求的预测已成为重中之重，。这也是国内现阶段发展物流的关键。我国的物流行业虽然还处于发展阶段，但在一

14、些区域已经显示出处强劲的发展潜力。我国许多省份已经相继开始或准备开始进行物流需求规划或城市规划预测工作。物流预测是一个庞杂的系统工程,涉与到众多的部门,与社会经济的方方面面有着密不可分的联系,规划过程中要运用涉与多个领域的知识和技术。由于我国的物流发展政策、，战略和规划尚未成型，规划者对于现代物流的发展理念与运作模式，尤其是物流需求分析等方面还有一些不同的见解，对物流需求分析所应考虑的方面和物流需求的相关影响因素的认识也不一致1。目前国内对于物流系统的内在规律和规划方法还有待进一步的研究，物流需求分析和预测方法理论也没有国外一些发达国家完善，这样导致了人们进行物流规划时经常会南辕北辙。在这种情

15、况下，本文针对物流规划中存在的问题，重点研究物流需求分析和合理预测物流需求量的问题，以求科学地指导物流规划，使物流规划在新的经济条件下对现代物流系统的完善起到积极的促进作用。为了更好的发展中国经济和物流水平，分析物流规划，寻求解决的方法，将是一项富有现实意义的课题。1.1.2 研究的意义因为物流的供给和需求就像是一对孪生兄弟，是紧密联系的。所以一般来说，物流需求预测分析有助于企业物流系统的合理建设和物流设施的合理配备。任何企业要想长期稳定良好的发展，就必须合理的建设物流系统和设施。其次，需求预测是企业制定战略计划，生产安排，销售计划，特别是物流管理计划的重要依据，因为一切物流活动，都必须从对信

16、息的了解分析和预测入手，因此它是企业物流管理中重要的环节。换句话说，需求预测是物流工作的龙头。再次，有了对物流需求的良好掌握，不但可以提高企业内物流设施的利用率，降低库存费用，还可以使客户对企业产生良好的印象。同时也不会发生生产不足或库存过剩现象。本文重点研究的是灰色预测法在物流中的应用，它的任务是探讨开拓出一条新的途径，克服概率统计的弱点，从杂乱无章、有限的、离散的数据中找出规律、建立灰色系统模型，。从而服务于我们的物流需求预测。1.2 国内外研究的情况1.2.1 国外的研究情况在国外，特别是在一些发达国家，物流市场总体来说处于供大于求的状况。因为社会人口结构与增长相对稳定，所以对需求的研究

17、没有国内如此的迫切。但发达国家较早的进入工业化时代，物流发展起步也较早，并且取得了很多成功的经验。并且海外的研究人员，学者以与政府管理部门也很重视对物流需求的研究。在物流理论和应用方面也取得了许多有意义的研究成果。国外物流研究的重点一般是站在企业的角度，用数量经济模型对货物，服务和相关信息的需求进行预测，强调的是对预测新方法的探索和对旧方法的改进。比如在物流统计方面，国外早已有了物流费用的统计指标，美国将物流费用分为三个组成部分，分别是运输成本，仓储成本和管理成本。然后通过研究物流费用和GDP的比值关系来衡量物流需求的规模。同时，从经济和环境的角度出发，他们建立了原材料流转分析按实物计量的并列

18、的一套国民核算，提出了一种新的汇总方法或新的指标体系，即欲将经济指标和次指标结合使用。这套指标不仅考虑了经济因素，同时考虑照顾到了环境的保护。其目的不仅是为了减少经济活动对环境的影响，还要更有效的利用自然资源。1.2.2 国内研究的情况因为我国的经济发展较晚，物流在我国起步也较晚，相应的研究成果略显不足，同发达国家相比存在着比较明显的差距。我国有关物流的研究大体上可分为宏观和微观两方面。微观方面主要是围绕物流供求和企业物流系统的设计展开的。宏观方面研究主要是围绕物流网点布局和物流配送合理化两个方面展开的。从目前的研究状况来看，微观物流的研究比较多，如供应链管理，库存成本控制等方面。从国内目前来

19、看，对物流需求预测的研究还处于初级阶段，大部分研究还仅仅停留在一定层面上，没有很深入、，系统的研究。当然，这和我国的国情与发展现状有关。以下是目前国内对物流需求的部分研究成果：长安大学孙启鹏，丁海鹰从三个方面来阐述物流量：物流需求同经济水平的关系来描述物流量，物流作业内容角度描述物流量，物流本源需求规模的大小描述物流量。交通大学王久梗对甘肃省的物流需求规模的影响因素和省情特征进行分析，预测了甘肃省在未来十年内物流总费用规模和第三方物流市场产值规模，对推动甘肃省物流产业的发展具有一定的价值。交通大学朱煌、汝宜红、徐杰运用现代物流学、物流系统分析原理以与定量分析技术，在调研和资料收集的基础上，进行

20、了奥运物流需求分析的理论和方法研究，并得出奥运物流需求特性与需求量预测结果。南开大学杨静蕾采用国内生产总值、进出口贸易总额、货运量和货物周转量为指标，对物流服务需求总体规模进行了分析，并提出物流服务需求总体发展趋势。广东工业大学后锐，张毕西提出了基于MLP神经网络的区域物流需求预测模型，不仅揭示了区域经济与区域物流需求之间的非线性映射关系，同时也为区域物流需求预测提供了一种新的思路和方法。华南农业大学林荣天从决定区域物流需求的经济因素出发，利用BP神经网络的非线性强拟合能力建立两者的非线性映射关系，针对模型外推预测的能力不足提出改进的方案，采用灰色模型与神经网络相结合的方法进行预测研究。1.3

21、 本文主要研究的内容 本文的研究包括四个部分：(1)绪论。主要阐述选题背景、研究现状和本文的研究目的和意义。(2)对物流需求预测进行概述。分析国内外需求预测的一些方法并进行甄别和对比。(3)分析灰色预测方法在物流需求预测中的应用。(4)以安民物流公司需求为背景，利用灰色预测法进行实例预测。2 物流需求预测研究2.1 物流需求相关概念(1)物流的概念物流是一个发展中的概念，其定义不是永恒不变的。物流概念产生以后，随着物流管理理论和物流实践活动的快速发展，物流概念的内涵和外延也在不断地发展，各种物流定义不断变化。而根据不同的侧重面，物流的定义也不尽一样。在本文中，论文以企业为侧重点，参考国内外的一

22、些理论，以物质实体从供应者向需求者的物理移动，它由一系列创造时间价值和空间价值的经济活动组成，包括运输、保管、配送、装卸、包装、流通加工与物流信息处理等多项基本活动，是这些活动的统一为物流的定义。(2)物流需求物流需求即指对物流服务的需求。对物流服务的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、商品以与废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和效率方面的要求，涉与运输、库存、包装、装卸搬运、流通加工、配送以与与之相关的信息需求等物流活动的诸方面。总的来说，物流需求是一种引致需求。（引致需求是指由于对产品的需求而引起对生产要素的需求）从物流的发展规律

23、来看，现代物流的需求包括量和质两个方面，即从物流规模和物流服务质量中综合反映出物流的总体需求。物流规模是物流活动中运输、储存、包装、装卸搬运和流通加工等物流作业量的总和。当前在没有系统的社会物流量统计的情况下，由于货物运输是物流过程中实现位移的中心环节，用货物运输量的变化趋势来衡量社会物流规模的变化趋势是最接近实际的。物流服务质量是物流服务效果的集中反映，可以用物流时间、物流费用、物流效率来衡量，其变化突出表现在减少物流时间、降低物流成本、提高物流效率等方面。为了清晰地反映社会经济活动对物流活动的需求，在物流需求分析中还应考虑物流需求的地域范围、渠道特性、时间的准确性、物流供应链的稳定性以与顾

24、客服务的可得性、作业绩效和可靠性等方面3。供应商制造商批发商零售商顾客顾客对供应商物流需求顾客对批发商物流需求顾客对制造商物流需求零售商对供应商物流需求零售商对制造商物流需求顾客对供应商物流需求顾客对供应商物流需求制造商物流需求批发商物流需求顾客对零售商物流需求图2.1 供应链上的物流需求Figure 2.1 on the logistics supply chain needs图2.1表明，一条供应链上存在诸多物流需求，物流需求存在于供应链上的各个环节甚至贯穿整条供应链，它们分别形成最终物流需求或中间性物流需求。物流需求与其他商品需求相比有其特殊性，这些特性是相互关联、相互影响的。(3)需求

25、预测预测就是根据过去和现在估计未来，预测未来。通常来讲，需求的可预测性根据预测难度可划分为三种：有规律需求，而且具有高度可预测性；无规律需求，但数学上统计特征持续、统一；无规律需求，且不可预测。从物流管理角度上讲，第一种需求模式最简单，无需复杂的预测模型，就可能得到较为准确的预计销售额，直接用于运输安排和库存管理。而对于第二种需求，就需要借助统计预测的方法，但也可以获得预测值，并在一定概率水平下达到预计结果。如果属于第三种需求模式，则需要完善的库存管理系统，强调物流系统的柔性，才能达到企业减少存货，降低物流成本，满足客户需要的战略目标4。其预测步骤有以下几步：明确预测目的：包括预测结果的用途，

26、预测的时间跨度等，据此可确定预测所用的信息，需要的投入。选择预测方法：应充分考虑预测的目的、时间的跨度、需求的特征等因素对预测方法的影响。收集、分析所需数据。进行预测销额售。将预测结果实际应用。在预测的整个过程中，应该对预测全过程监控，以便对预测结果进行恰当评估，必要时可对某些环节进行调整后重新预测。2.2物流需求预测方法2.2.1预测方法概述目前，预测方法很多，按预测方法的性质分，大致可以分为定性预测、回归预测和时间序列预测。也可以按是否以数学模型为主，分为定性预测和定量预测。一般我们把预测方法分为定性预测和定量预测两大类。 定量预测是指借助物理原型或数学方法建立定量化模型进行预测。常见的定

27、量预测方法有回归预测法、灰色预测法、博克斯一詹金斯法、指数平滑法和趋势外推法等。定性预测是以逻辑判断为主的预测方法。这类方法主要是通过预测者所掌握的信息和情报，结合各种因素对事物的发展前景作出判断，并把这种判断定量化。它普遍适用于对缺乏历史统计资料的事件进行预测，或对趋势转折进行预测。比较常用的方法有德尔菲法、主观概率法、相互影响分析法、情景预测法和领先指标法等。这两种方法相比较来说定性预测的优点在于注重于事物发展在性质方面的预测，具有较大的灵活性，易于充分发挥人的主观能动作用，且简单的迅速，省时省费用。缺点是易受主观因素的影响，比较注重于人的经验和主观判断能力，从而易受人的知识、经验多少和能

28、力的多少大小的束缚和限制，尤其是缺乏对事物发展作数量上的精确描述。定量预测的优点在于注重于事物发展在数量方面的分析，重视对事物发展变化的程度作数量上的描述，更多地依据历史统计资料，较少受主观因素的影响。缺点在于比较机械，不易处理有较大波动的资料，更难于事物预测的变化。定性预测和定量预测并不是相互排斥的，而是可以相互补充的，在实际预测过程中应该把两者正确的结合起来使用。2.2.2 常用需求预测方法在进行物流需求预测中，如何选择合适的预测模型是工作的关键，也是难点之一。所以，为了使得预测过程没有疏漏，在预测之前必须了解每种预测方法的特性和适用范围。下面介绍几种常见的预测方法。(1)回归预测法回归分

29、析是研究变量与变量之间相互关系的数理统计方法，指根据预测的相关性原则，找出影响预测目标的各因素，并用数学方法找出这些因素与预测目标之间的函数关系的近似表达，再利用样本数据对其模型估计参数与对模型进行误差检验，一旦模型确定，就可利用模型，根据因素的变化值进行预测。包括一元线性回归、多元线性回归和非线性回归等。应用回归预测法时应首先确定变量之间是否存在相关关系。如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。回归分析预测法的步骤根据预测目标，确定自变量和因变量。明确预测的具体目标，也就确定了因变量。如预测具体目标是下一年度的销售量，那么销售量Y就是因变量。通过市场调查和查阅

30、资料，寻找与预测目标的相关影响因素，即自变量，并从中选出主要的影响因素。建立回归预测模型。依据自变量和因变量的历史统计资料进行计算，在此基础上建立回归分析方程，即回归分析预测模型。进行相关分析。回归分析是对具有因果关系的影响因素（自变量）和预测对象（因变量）所进行的数理统计分析处理。只有当自变量与因变量确实存在某种关系时，建立的回归方程才有意义。因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以与判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。进行相关分析，一般要求出相关关系，以相关系数的大小来判断自变量和因变量的相关的程度。检验回归预测模型，计算预测误差

31、。回归预测模型是否可用于实际预测，取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验，且预测误差较小，才能将回归方程作为预测模型进行预测。计算并确定预测值。利用回归预测模型计算预测值，并对预测值进行综合分析，确定最后的预测值。正确应用回归分析预测时应注意： a.用定性分析判断现象之间的依存关系；b.避免回归预测的任意外推；c.应用合适的数据资料。(2)博克斯一詹金斯法博克斯一詹金斯法是一种针对剧烈震荡的平稳随机时间序列进行短期预测的有效预测方法。该方法假定时间序列的变化与自身过去的历史数据有关，建立自相关的回归模型以与它的变形：移动平均模型，将模型外推做出预测。由于真实的时

32、间序列不一定是平稳的，可能是有线性增加趋势或是循环变化，可以对原始的时间序列进行差分来解决趋势与循环变化问题对建模的干扰。博克斯一詹金斯法进行预测时，不仅考察了预测变量的过去值与当期值，同时模型的过去拟合值产生的误差也作为重要因素进入模型，这样大大提高了模型的精确度。实践证明，博克斯一詹金斯法是一种精确度相当高的短期预测方法。由于不需要对时间序列的发展模式做先验的假设，同时方法的本身保证了可通过反复识别修改，直至获得满意的模型，因而博克斯一詹金斯法适用于各种类型的时间序列预测数据。但用博克斯一詹金斯法做模型识别时，需要大量的历史统计数据，而大量的经济资料数据往往难以收集。另外，应用博克斯一詹金

33、斯法建模时，通常采用逐次增加模型的阶数来达到使模型通过检验的要求。但是提高了模型的阶数，就要相应地增加模型中的项数，对变量前的系数在经济意义上往往解释不通，用于实际，就可能对经济发展作出歪曲的描述。应用博克斯一詹金斯法进行预测的前提假设是，一个时间序列的未来发展模式与其过去的模式是一致的，对短期的预测，往往可以满足，但是对长期预测这一假设不符合实际。(3)指数平滑法指数平滑法指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。它是由移动平均数发展形成的一种指数加权移动平均数，利用本期预测值和实际值资料，以平滑系数为加权因子，来计算指数平

34、滑平均数。也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。一般适用于观察值具有趋势变动和季节性变动的预测。据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。指数平滑法主要优点有：需要储存的数据压缩到最小限度。即储存上期对本期的预测值就行了。对不断延伸的固定平均数中，进行了合理加权。即对近期值给予比远期值更大的权数，符合外推预测的要求。通过对平滑系数的控制和正确确定初始值，可以适当控制预测结果的准确性。它的主要缺点有：只局限于一个时间数列本身的外推预测，而没有考虑其他因

35、素的影响。只适宜于近期预测，不能作远期预测。未充分考虑数列中的长期趋势和变动。(4)趋势外推法趋势外推法是指决定事物过去发展的因素，在很大程度上也决定该事物未来的发展，其变化不会太大。事物发展过程一般都是渐进式的变化，而不是跳跃式的变化，掌握事物的发展规律，依据这种规律推导，就可以预测出它的未来趋势和状态。它是根据过去和现在的发展趋势推断未来的一类方法的总称，用于科技、经济和社会发展的预测，是情报研究法体系的重要部分。它的基本假设是未来系过去和现在连续发展的结果。它包括线性外推法、生长曲线法、指数曲线法和包络曲线法四种。趋势外推法主要包括以下6个步骤：选择预测参数；收集必要的数据；拟合曲线；趋

36、势外推；预测说明；研究预测结果在制订规划和决策中的应用。趋势外推法的主要优点是可以揭示事物发展的未来，并定量地估计其功能特性。它通常是利用变量的散点图来拟合建立模型，并进行残差分析，选择标准误差最小的模型作为预测模型。缺点是工作量过大，太费时。(5)德尔菲法德尔菲法依据系统的程序，采用匿名发表意见的方式，即专家之间不得互相讨论，不发生横向联系，只能与调查人员发生关系，通过多轮次调查专家对问卷所提问题的看法，经过反复征询、归纳、修改，最后汇总成专家基本一致的看法，作为预测的结果。这种方法具有广泛的代表性，较为可靠。而且德尔罪法作为一种主观、定性的方法，不仅可以用于预测领域，而且可以广泛应用于各种

37、评价指标体系的建立和具体指标的确定过程。德尔非法的具体实施步骤如下：组成专家小组。按照课题所需要的知识范围，确定专家。专家人数的多少，可根据预测课题的大小和涉与面的宽窄而定，一般不超过20人。向所有专家提出所要预测的问题与有关要求，并附上有关这个问题的所有背景材料，同时请专家提出还需要什么材料。然后，由专家做书面答复。各个专家根据他们所收到的材料，提出自己的预测意见，并说明自己是怎样利用这些材料并提出预测值的。将各位专家第一次判断意见汇总，列成图表，进行对比，再分发给各位专家，让专家比较自己同他人的不同意见，修改自己的意见和判断。也可以把各位专家的意见加以整理，或请身份更高的其他专家加以评论，

38、然后把这些意见再分送给各位专家，以便他们参考后修改自己的意见。 将所有专家的修改意见收集起来，汇总，再次分发给各位专家，以便做第二次修改。逐轮收集意见并为专家反馈信息是德尔菲法的主要环节。收集意见和信息反馈一般要经过三、四轮。在向专家进行反馈的时候，只给出各种意见，但并不说明发表各种意见的专家的具体XX。这一过程重复进行，直到每一个专家不再改变自己的意见为止。对专家的意见进行综合处理。德尔菲法的优点在于：可以加快预测速度和节约预测费用；可以获得各种不同但有价值的观点和意见；适用于长期预测和对新产品的预测，在历史资料不足或不可测因素较多时尤为适用。德尔菲法的缺点在于：对于分地区的顾客群或产品的预

39、测可能不可靠；责任比较分散；专家的意见有时可能不完整或不切合实际。(6)情景预测法情景预测法是一种新兴的预测法，由于它不受任何条件限制，应用起来灵活，能充分调动预测人员的想象力，考虑较全面，有利于决策者更客观地进行决策，在制定经济政策、公司战略等方面有很好的应用。但在应用过程中一定要注意具体问题具体分析，同一个预测主题，遇有其所处环境不同，最终的情景可能会有很大的差异。一般方法是：未来分析法；目标展开法；间隙分析法(7)主观概率法主观概率法是根据萨维里原理，对无法用数据直接进行统计的教育现象和事物，按其有关条目的操作定义，主观地对教育现象和事物的程度进行等级评价，然后将等级折算为数值，再进行一

40、定程序统计的方法。进行主观概率统计时可分三级与四级程度评价，其方法是一样的，而数值略有区别。三级程度评价一般分A、B、C三等，四级程度评价则为A、B、C、D 四等。如学生对教师教学整体满意程度，在三级程度评价时可分为非常满意、满意、不满意三等，其赋值就是4 、2、1分；在四级程度评价时可分为非常满意、满意、基本满意、不满意四等，其赋值就是5、3、2、1分5。用主观概率法有如下的步骤：准备相关资料；编制主观概率调查表；汇总整理；判断预测。其优点是把大量原来不可直接测量的教育现象和事物，转化为可测量与统计；而缺点是测出的数据没有数理统计的数据准确。2.3 本章小结 本章主要介绍了物流需求预测的相关

41、概念、需求预测总体概述以与几种常用的预测方法：回归预测法、博克斯一詹金斯法、指数平滑法、德尔菲法等，并进行一定的优缺点比较，得到对于物流预测的基本认识。3 物流需求灰色预测法研究分析通过第二章的研究我们可以看到，物流需求预测是一个复杂的过程，它首先要求我们在预测前要对预测的事物有明确的认识，也就是不仅要了解预测事物的需求，而且要考虑其它很多的外部因素;同时物流系统是一个复杂的经济系统，在没有对物流市场需求特点和各种预测方法进行有效分析的前提下，盲目的采用一种或多种预测方法进行预测，其结果只能是预测精度不高或根本无法预测。这不仅要我们对预测的事件有一个整体的把握和研究，而且对各种方法的运用要熟练

42、掌握。本章将在以上研究的基础上，重点研究灰色预测法在物流需求预测中的应用。3.1 灰色预测法概述顾名思义，灰色预测法是一种对含有不确定因素的系统进行预测的方法。这里又涉与到灰色系统的概念。灰色系统是介于白色系统和黑色系统之间的一种系统。白色系统是指一个系统的内部特征是完全已知的，即系统的信息是完全充分的。而黑色系统是指一个系统的内部信息对外界来说是一无所知的，只能通过它与外界的联系来加以观测研究。灰色系统内的一部分信息时未知的，另一部分信息是已知的，系统内各因素间具有不确定的关系。灰色系统是由华中理工大学的邓聚龙教授首先提出的。他提出灰色预测是一种对含有不确定因素的系统进行预测的方法，是根据过

43、去的与现在已知的或非确定的信息，建立一个从过去延伸到将来的灰色模型（GREY MODEL简称GM），从而确定系统未来发展变化的趋势，并为规划、决策提供依据6。灰色系统理论的研究在近几年获得迅猛的发展，其关联分析与灰色预测思想与方法已广泛应用于经济、农业、工业、能源、交通、石油、地质、气象、水文、生态、环境、医学、军事、社会等领域，成功地解决了生产、生活和科学研究中的大量实际问题。作为一种独具特色的新理论，灰色系统理论已为国内外学术界公认为对科学发展产生了巨大作用。同时，灰色系统理论还得到国际学者的认同，目前，英国、美国、德国、日本、澳大利亚、加拿大、奥地利、俄罗斯、新加坡、台湾、香港等国家和地

44、区许多知名学者从事灰色系统理论的研究和应用，并且涌现了一大批新的研究成果。海内外84所高校开设了灰色系统理论方面的课程，数百名博士、硕士研究生运用灰色系统理论的思想方法开展科学研究，撰写学位论文，国内应用灰色系统理论完成重大科研课题160多项，142项灰色系统理论与应用成果获得国家和省、部级奖励，国际、国内201种学术期刊发表灰色系统论文，许多国际会议把灰色系统列为讨论专题。据不完全统计，近年来，SC工、E1、ISTP以与MR(美国数学评论)、SA(英国科学文摘)、MA(德国数学文摘)等国际权威性检索杂志跟踪我国学者的灰色系统论著500多次。德国还成立了灰色系统公司，专门搜集、翻译灰色系统文献

45、，进行咨询服务。短短几年中，灰色系统理论以其强大的生命力自立于科学之林，奠定了其作为一门新型横断学科的学术地位。在灰色系统理论的带动下，相继产生了“灰色水文学”、“灰色地质学”、“灰色育种学”、“灰色医学”、“灰色控制理论”、“灰色混沌理论”、“区域经济灰色系统分析”等一批新型交叉学科7。从现在发展的眼光看的话，灰色预测法也可以有其他的定义，但基本内涵其实是万变不离其宗，大致是一样的。比如说以下两个定义：(1)它是通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势

46、的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。(2)灰色预测是用等时距观测到的反映预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。灰色建模通过处理灰信息来揭示系统内部的运动规律，它利用系统信息，使概念量化，再进行模型优化，从而充分利用系统信息，使杂乱无章的无序数据转化为适于微分方程建模的有序数列。灰色系统具有对各种现象进行分析判断的能力，对宏观系统进行规划与决策的功能。灰色系统理论的立足点是对系统的输出序列进行研究，而不过多地涉与系统的输入序列进行研究。另外，它对原始数据

47、列长度的要求不高。灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定性系统作为研究对象。它具有以下三个特点8：(1)用灰色数学来处理不确定量，使之量化。灰色系统理论认为不确定量是灰数，用灰色数学来处理不确定量，同样能使不确定量予以量化。(2)充分利用已知信息寻求系统的运动规律，研究灰色系统的关键是如何使灰色系统白化、模型化、优化。灰色系统视不确定量为灰色量，提出了灰色系统建模的具体数学方法，它能利用时间序列来确定微分方程的参数。灰色预测不是把观测到的数据序列视为一个随机过程，而是看作随时间变化的灰色量或灰色过程，通过累加生成或累减生成逐步使灰色量白化，从而建立相应于微分

48、方程解的模型并做出预报。这样，对某些大系统和长期预测问题就可以发挥作用。(3)灰色系统理论能处理贫信息系统。灰色预测模型只要求较短的观测资料即可，这和时间序列分析、多元分析等概率统计模型要求较长的观测资料大不一样。因此，对于某些只有少量观测数据的项目来说，灰色预测是一种有用的工具。灰色预测一般分为四种类型：(1)灰色时间序列预测。用观察到的反映预测对象特征的时间序列来构造灰色预测模型，预测未来某一时刻的特征量，或者达到某一特征量的时间。(2)畸变预测。通过灰色模型预测异常值出现的时刻。如对地震时间的预测。(3)系统预测。通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间

49、的相互协调关系的发展变化。如市场中代用产品、相互关联产品销售量相互制约的预测。(4)拓扑预测。将原始数据作曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点序列，然后建立模型预测该定值所发生的时点。3.2灰色预测系统模型研究3.2.1GM(1，1)模型在此我们先介绍两种生成方法累加生成和累减生成。首先我们先介绍累加生成。它是通过数列间各时刻数据的依个累加以得到新的数据与数列。累加前的数列称原始数列，累加后的数列称生成数列。累加生成是使灰色过程由灰变白的一种方法，它在灰色系统理论中占有极其重要的地位。通过累加生成可以看出灰量积累过程的发展态势，使离乱的原始数据中蕴含的积分特性

50、或规律加以显化。累加生成是对原始数据列中各时刻的数据依次累加，从而生成新的序列的一种手段。记为原始数列,记生成数, ,如果两者之间满足下述关系，即:; (3.1)则称为一次累加生成，一记为l-AGO(AaceumulatingAccumulating Generation Operator)。r次累加生成有下述关系: (3.2)从(2一2)式，又有次到次的累加为 (3.3) (3.4)累加生成在灰色系统理论中有着非常重要的作用，具有特殊的地位。累加生成能使任意非负数列、摆动的与非摆动的，转化为非减的、递增的数列。下面我们介绍累减生成，对原始数列依次做前后两数据相减的运算过程叫累减生成，即对序列

51、求相邻两数据的差。累减生成是累加生成的逆运算，常简记为1-AGO(Inverse AeucmulatedPeculated Generating PoerationOperation)。累减生成可将累加生成还原为非生成数列，在建模过程用以获得增量信息，其运算符为。令为r次生成数列，对作i次累减生成记为，其基本关系式为： (3.5) (3.6) (3.7) (3.8)式中，为0次累减，即无累减;为1次累减，即k一l与k时刻两个零次累减量求差；为i次累减，即与时刻两个次累减量求差9。现在我们开始研究GM(l，l)模型。目前使用最广泛的灰色预测模型就是关于数列预测的一个变量、一阶微分的GM(l，l)

52、模型。GM(l，l)模型表示一个变量的微分方程预测模型，是一阶单序列的线性动态模型。对系统行为特征指标数列，通过不同的组合和取舍，形成多个派生数列，对其建立预测模型，并得到一组合适的预测值。GM(1，1)模型是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来逼近。经证明，经一阶线性微分方程的解逼近所揭示的原始时间序列呈指数变化规律。因此，当原始时间序列隐含着指数变化规律时，灰色模型GM(1，1)的预测将是非常成功的。设时间序列为非负序列， (3.9)其中通过累加生成新序列， (3.10)其中，为的紧邻均值生成序列： (3.11)其中则称灰色微分方程

53、为GM(l，l)模型。符号GM(l，l)的含义如下:G表示灰色(Grey)，M表示模型(Model)，第一个“l”表示一阶方程，第二个“1”表示一个变量，设为参数列，且，(3.12)设为待估参数向量，可利用最小二乘法求解。解得： (3.13)称为的白化方程，也叫影子方程。其中：称为发展灰数；称为内生控制灰数。设如上所述，则：(1)白化方程的解(也称为时间响应函数)为 (3.14)(2)GM(l，l)模型的时间响应式为， (3.15)(3)取，则 (3.16)(4)还原值为 (3.17)反映了和的发展态势。一般情况下，系统作用量应是外生的或者前定的，而GM(l，l)是单序列建模，只用到系统的行为

54、序列(或称输出序列、背景值)，而无外作用序列(或称输入序列、驱动值)。GM(l，l)模型中的灰色作用量b是从背景值挖掘出来的数据，它反映数据变化的关系，其确切内涵是灰的10。模型检验灰色预测检验一般有残差检验、关联度检验和后验差检验。(1)关联度检验：关联系数设，则关联系数定义为： (3.18)式中：为第k个点与的绝对误差；为两级最小差；为两级最大差；称为分辨率，00.960.800.700.65勉强合格0.700.65不合格(3)残差检验所谓残差检验，是对模型模拟值和实际值的残差进行逐点检验。设原始序列，相应的预测模型模拟序列为 (3.20)残差序列 (3.21)相对误差序列 (3.22)则

55、对于，称为k点模拟相对误差，称为平均相对误差；称为平均相对精度，为点的模拟精度，给定，当且成立时，称模型为残差合格模型。一般地，取0.01、0.05、0.10所对应的模型分别为优秀、合格、勉强合格。若建立的模型三个检验都通过，则接受该模型，否则进行残差修正。邓聚龙教授对GM（1，1）模型作了十分深入地研究，得到了GM（1，1）模型的多种不同形式。一般地，当2时，GM(l，l)模型有意义。但随着的不同取值，预测效果也不同。通过分析讨论，得出了下述结论11：当-a0.3时，GM(l，l)可用于中长期预测；当0.3-a0.5时，GM(l，l)可用于短期预测，中长期预测慎用；当0.5-a0.8时，用G

56、M(l，l)作短期预测应十分谨慎；当0.8l时，不宜采用GM(1，1)模型。GM(1，1)预测模型的数据量要求小，精度较高，具有较强的实用性和有效性，是比较理想的预测方法对于开放性、非线性的复杂系统，GM(1，1)预测模型能够从整体出发，对外延不确定性系统变化进行动态的科学模拟和仿真因此，GM(1，1)预测模型适用于非线性系统的非唯一性预测拟合，其预测结果可以为城市规划、物流预测等方面提供科学依据。但应该看到GM(1，1)预测模型也有预测偏差过大的情况，这反映了GM(l，l)模型的实用性有待进一步提高。3.2.2 残差修正GM(1，1)模型上节可以看到，当原始数据序列建立的GM(1，l)模型检

57、验不合格或精度不理想时，可以用残差序列建立GM(l，l)模型进行修正，以提高精度。残差为模型在已知时刻的预测计算值与实际真值之差，利用GM(l，l)模型计算得到的结果进行回代检验得到的误差组成残差数列。设原始数列累加生成新序列，其经过GM(l，l)模型得到的数列的预测数列为。定义数列的残差为： (3.23)若存在时刻满足：(1)对于任意的k，符号一致；(2)，则称为可建模的残差尾段，可记为数 (3.24)对数列进行一次累加得到数列，利用GM(l，l)模型对数列建立其GM(l，1)模型，最终得到数列的累加数列的时间响应式为 (3.25)将数列迭加在数列上，最终得到数列的预测式： (3.26)其中

58、 1 0 k0最终，将由3.26式得到的数列经过一次累减还原成原始数列的预测值7。应用此模型时要注意以下两点：(1)一般不是使用全部残差数据来建立模型的，而是只利用了部分残差；(2)修正模型所代表的是差分微分方程，其修正作用与的取值有关。当原始数据序列建立的GM（1，1）模型精度不理想时，建立残差GM（1，1）修正模型可以明显地提高模拟精度。若对修正精度仍不满意，就只有考虑采用其它模型或对原始数据序列进行适当取舍12。3.2.3GM(1，1)模型群在实际建模中，原始数据序列的数据不一定全部用来建模。我们在原始数据序列中取出一部分数据，就可以建立一个模型。一般说来，取不同的数据，建立的模型也不一

59、样，即使都建立同类的GM(1，l)模型，选择不同的数据，参数的值也不一样13。这种变化，正是不同情况不同条件下对系统特征的影响在模型中的反映。设序列，将)取为时间轴的原点，则称为过去，为现在，为未来。设序列，则为其GM（1，1）时间响应式的累减还原值，则(1) 当时，称为模型模拟值；(2) 当时，称为模型预测值。由于建模的主要目的是预测，所以为了提高预测精度，首先要确定有充分高的模拟精度，特别是t=n时的模拟精度。因此建模数据一般应取为包括在内的一个等时距序列。设原始数据序列，将原始数据序列建立的GM(1,1)模型称为全数据GM(1,1)；(1) 任意，将建立的GM(1,1)模型称为部分数据G

60、M(1,1)；(2) 设为最新信息，将置入，称用建立的模型为新信息GM(1,1)；(3) 置入最新信息，去掉最老信息，称用建立的模型为新陈代谢GM(1,1)。研究表明，新信息GM(1，l)模型和新陈代谢GM(1，l)模型都比全数据GM(1，1)模型的模拟精度高。这说明新信息GM(1，1)模型和新陈代谢GM(1，1)模型预测效果比全数据GM(1，1)模型的预测效果好11。事实上，在任何一个灰色系统的发展过程中，随着时间的推移，将会不断地有一些随机扰动或驱动因素进入系统，使系统的发展相继地受到影响。因此用GM(l，1)模型进行预测，精度较高的仅仅是原点数据以后的1到2个数据。一般说来，越往未来发展，越是远离时间原点，GM(l，l)模型的预测意义就越弱，没有必要用一种模型去预测未来的所有值。在实际应用中，必须不断地考虑那些随着时间推移相继进入系统的扰动或驱动因素，随时将每一个新得到的数据置入中，建立新信息GM(1，l)模型进行动态预测14。从模拟精度看，新陈代谢GM(1，l)模型高于新信息GM(l，1)模型。从预测角度看，新陈代谢GM(1，1)模型是目前来说最理想的模型。随着系统的不断发展，老数据的信息意义将逐渐降低，要不断补充新信息，去掉老信息。建模序列能更加反映系统在目前的特征。尤其是系统随着量变的积累，发生质变时，与过去