• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      物流需求的廣義集成預(yù)測法

      2017-01-09 02:44:55西南通大學(xué)通運(yùn)輸與物流學(xué)院成都610031
      統(tǒng)計與決策 2016年24期
      關(guān)鍵詞:廣義權(quán)重物流

      毛 敏,劉 建,薄 琳(西南à通大學(xué) à通運(yùn)輸與物流學(xué)院,成都 610031)

      物流需求的廣義集成預(yù)測法

      毛 敏,劉 建,薄 琳
      (西南à通大學(xué) à通運(yùn)輸與物流學(xué)院,成都 610031)

      物流需求的集成預(yù)測法是將多種預(yù)測方法按一定權(quán)重進(jìn)行組合的綜合預(yù)測方法。文章基于多元線性回歸思路,提出一種求取權(quán)重的定量方法,并把權(quán)重廣義化,使用系數(shù)替代權(quán)重,擴(kuò)大了權(quán)重的取值范圍,實(shí)現(xiàn)了定量求取系數(shù)的目的。并設(shè)計了一個實(shí)驗(yàn),驗(yàn)證了提出的廣義集成預(yù)測法提高了預(yù)測的精度。

      集成預(yù)測;權(quán)重;多元線性回歸;系數(shù)

      0 引言

      物流需求預(yù)測是物流規(guī)劃中一個不可或缺的環(huán)節(jié),科學(xué)地預(yù)測物流需求為物流規(guī)劃提供了理論依據(jù),使物流活動的需求與供給趨于相對平衡狀態(tài),有利于實(shí)現(xiàn)物流活動高效率和高效益的運(yùn)行目標(biāo)。

      物流需求預(yù)測常用的方法可分為單一模型預(yù)測法和集成預(yù)測法。對于單一模型預(yù)測法,國外學(xué)者采用的模型主要包括Box-Jenkins模型[1]、時間序列模型等[2,3];國內(nèi)學(xué)者在時間序列模型[4,5]和灰色預(yù)測模型[6]方面的研究成果較多。單一模型預(yù)測物流需求由于誤差過大,已不能滿足目前物流規(guī)劃中對需求預(yù)測的要求。集成預(yù)測法適用性廣、數(shù)據(jù)處理偏差小等特點(diǎn)彌補(bǔ)了單一模型預(yù)測的不足,國內(nèi)外對這方面的研究成果也較多。國外學(xué)者主要研究成果包括時空多項(xiàng)概率模型對貨物需求的預(yù)測[7],研究發(fā)現(xiàn)組合多種單一預(yù)測模型建立的集成預(yù)測模型可以降低預(yù)測誤差[8]。國內(nèi)學(xué)者則采用回歸分析和三次指數(shù)平滑法組合[9],趨勢外推、三次指數(shù)平滑和灰色系統(tǒng)GM(1,1)組合等方式建立集成預(yù)測模型[10]。

      減少物流需求預(yù)測環(huán)節(jié)的誤差將有利于促進(jìn)物流活動供給的高效運(yùn)轉(zhuǎn),減少因物流需求預(yù)測誤差造成的不必要浪費(fèi),有助于提高物流活動的經(jīng)濟(jì)效益,節(jié)約社會資源。集成預(yù)測法的預(yù)測精度關(guān)鍵是確定各預(yù)測方法的權(quán)重,而權(quán)重通常是專家預(yù)估;有學(xué)者根據(jù)各預(yù)測模型的平均歷史誤差對預(yù)測結(jié)果進(jìn)行加權(quán),權(quán)重與預(yù)測誤差成反比[11,12];本文基于多元線性回歸思路,以總誤差之和最小為目標(biāo)函數(shù),提出一種求取權(quán)重的定量方法,并在此基礎(chǔ)上,提出使總誤差之和更小的廣義集成預(yù)測法。

      1 集成預(yù)測模型

      1.1 方法假設(shè)

      假設(shè):

      (1)模型不受突發(fā)因素影響,即忽略突發(fā)因素;

      (2)模型中存在方法誤差和隨機(jī)誤差兩種誤差,且這兩種誤差相互獨(dú)立,即有:Fj=Fij+Δij+εj,i=1,…,m,j =1,…,n,其中Fj表示第 j期的真實(shí)值,F(xiàn)ij為第i種方法第 j期的預(yù)測值,Δij為第i種方法第 j期方法誤差,εj為第j期隨機(jī)誤差;

      (3)隨機(jī)誤差之間相互獨(dú)立,且隨機(jī)誤差的期望E(εt)=0。

      1.2 集成預(yù)測方法的改進(jìn)

      設(shè)集成預(yù)測方法共用m個預(yù)測模型進(jìn)行集成預(yù)測?;诙嘣€性回歸的思想,預(yù)測誤差在某種度量下(本文討論誤差平方之和)最小[13]。目標(biāo)函數(shù)為:

      由于隨機(jī)誤差不能控制,此處忽略隨機(jī)誤差,即εj=0,目標(biāo)函數(shù)等價于:

      綜上,目標(biāo)函數(shù)可以表示為:

      鑒于絕對值符號較難處理,利用最小二乘法的思想,目標(biāo)函數(shù)進(jìn)行類似處理,得到新的目標(biāo)函數(shù)為:(α1,…,αm)

      在同一目標(biāo)函數(shù)下,若將權(quán)重變?yōu)橄禂?shù),將會擴(kuò)大目標(biāo)函數(shù)的可行域,即將超平面擴(kuò)大為Rm。因此理論上,用系數(shù)代替權(quán)重時,解更有優(yōu)勢。求出Rm中,滿足目標(biāo)函數(shù)的解即可。

      1.3 改進(jìn)方法的解析求解

      將其改寫為AX=b的形式,有:

      解出系數(shù)值:

      當(dāng)d≠0,α*k=dk/d(或α*i=di/d);

      當(dāng)d=0時,有無限個解。

      針對上面有無限多個解的情況,給出一種處理方法:由于

      (1)r(Q)=k<m(此時 m≤n)。那么找出滿足:r(Q)=k<m且包含在Q中的行向量的基組成的矩陣顯然r(Q1)=k,那么Q中剩下的m-k組行向量便是無用的數(shù)據(jù),只用其他k有效數(shù)據(jù)進(jìn)行結(jié)算即可。

      (2)r(Q)=k<n(此時m>n)。數(shù)據(jù)不足,則不能使用本文介紹的新方法。此時,可以通過消減預(yù)測模型,使得m≤n,再解α*i=di/d,或者看成(1)中r(Q)=k<m(此時m≤n)的情況處理。

      2 新舊方法對比的實(shí)驗(yàn)驗(yàn)證

      現(xiàn)在設(shè)計實(shí)驗(yàn)來對比傳統(tǒng)方法和本文提出的廣義集成預(yù)測法的預(yù)測精度。實(shí)驗(yàn)中的數(shù)據(jù)處理方法采用了精算管理中處理數(shù)據(jù)的意見[14,15]:對缺失數(shù)據(jù)進(jìn)行填補(bǔ),假設(shè)某種表述為真,在此基礎(chǔ)上建立模型,得到相應(yīng)結(jié)論。

      2.1 實(shí)驗(yàn)設(shè)計

      實(shí)驗(yàn)是讓參與者不借助外界信息和工具預(yù)估線段長度。隱性假設(shè):參與者對線段長度的預(yù)估有一定天賦,有的會預(yù)估偏長,有的會預(yù)估偏短。即存在方法誤差,并且處理不同對象時都會表現(xiàn)出這種誤差。

      每個參與者對線段長度的預(yù)估結(jié)果代表一種預(yù)測模型的預(yù)測值。實(shí)驗(yàn)中有15條長短不一的線段,代表15個周期的預(yù)測。邀請45人參加此次實(shí)驗(yàn),代表45種預(yù)測方法。統(tǒng)計前面10條線段預(yù)估結(jié)果,參考前10條線段的真實(shí)數(shù)據(jù),分別結(jié)合新舊兩種方法給出權(quán)重,并且預(yù)測后面5條線段,將兩種方法的預(yù)測值與真實(shí)值對比并說明兩種方法的優(yōu)劣。

      2.2 求取權(quán)重

      根據(jù)傳統(tǒng)方法求出權(quán)重。傳統(tǒng)方法根據(jù)各預(yù)測模型的歷史誤差對預(yù)測結(jié)果進(jìn)行加權(quán),權(quán)重與預(yù)測誤差成反比[11,12],權(quán)重為:

      根據(jù)廣義集成預(yù)測法求出系數(shù):αi=di/d。

      分別對該實(shí)驗(yàn)數(shù)據(jù)處理,對比兩者預(yù)測值同真實(shí)值之間的誤差。

      2.3 實(shí)驗(yàn)結(jié)果的數(shù)據(jù)統(tǒng)計

      實(shí)驗(yàn)先后處理了1至9名參與者組成的集成預(yù)測。每次實(shí)驗(yàn)將不同人數(shù)分別進(jìn)行4次實(shí)驗(yàn),每次比較5個預(yù)測值,實(shí)驗(yàn)結(jié)果如表1所示。

      表1 集成預(yù)測與傳統(tǒng)方法比較實(shí)驗(yàn)結(jié)果

      基于以上統(tǒng)計數(shù)據(jù)表可知:本文提出廣義集成預(yù)測法優(yōu)于傳統(tǒng)方法,但隨著集成預(yù)測法中預(yù)測方法數(shù)量的增加,將逐漸喪失預(yù)測精度的優(yōu)勢。當(dāng)集成方法較少時,可以采取廣義集成預(yù)測法確定系數(shù)。

      3 廣義集成預(yù)測法的詳析

      3.1 廣義集成預(yù)測法的合理性說明

      集成預(yù)測法將多種預(yù)測方法以適當(dāng)權(quán)重組合進(jìn)行預(yù)測,本文提出方法為:若令其中某個權(quán)重αk=1,其余權(quán)重為0,則該方法退化成第k種預(yù)測方法。由于α*i,i=1,2,...,m是在目標(biāo)函數(shù):下的最優(yōu)解,所以必然有:說明本文集成預(yù)測方法不劣于單個預(yù)測方法。

      3.2 廣義集成預(yù)測法同傳統(tǒng)方法的比較

      傳統(tǒng)方法計算量少。若在m個預(yù)測方法確定權(quán)重時,可在m!個可行解中直接給出目標(biāo)函數(shù)下的最優(yōu)解。因?yàn)槠渲心敲达@然有同樣也有:根據(jù)不等式:順序和≥亂序和≥逆序和。

      3.3 廣義集成預(yù)測法的拓展

      廣義集成預(yù)測法是在Rm中,求取下的系數(shù)α*。結(jié)合多元線性回歸的形式:y=a0+a1x1+… +amxm。而常數(shù)項(xiàng)為0。現(xiàn)對其進(jìn)行拓展,將改寫為求取下的系數(shù),系數(shù)可通過2.3部分處理方法得出,不妨令其為(*,β*)。(*,β*)是Rm+1空間中最優(yōu)解,而α*為Rm空間中最優(yōu)解。當(dāng)β=0時,(α*,0)等價于α*,因?yàn)樗鼈兊恼`差之和相等,都為又因Fij+0-Fj)2(*,β*)為最優(yōu)解),所以拓展后廣義集成預(yù)測法較優(yōu)。

      4 結(jié)論

      本文利用多元線性回歸思想,以總誤差之和最小為目標(biāo)函數(shù),放寬約束條件,將權(quán)重范圍拓展到系數(shù),即從權(quán)重范圍D拓展到超平面范圍Rm,求取集成預(yù)測法中各方法對應(yīng)系數(shù),從定量角度求取系數(shù)目的。

      本文設(shè)計了一個實(shí)驗(yàn),驗(yàn)證了廣義集成預(yù)測法的改進(jìn)。同時得出結(jié)論當(dāng)集成方法增加時,廣義集成預(yù)測法精確度逐漸降低。由于集成預(yù)測法集成的預(yù)測模型一般不超過7個所以其仍具有較強(qiáng)的實(shí)用性。

      [1]Wood D F,Johnson J C.Contemporary Transportation[M].London: MacMillan Publishing Company,1993.

      [2]Babcock M W,Lu X,Norton J.Time Series Forecasting of Quarterly Railroad Grain Carloadings[J].Transportation Research Part E Logis?tics and Transportation Review,1999,35(1).

      [3]Adrangi B,Chatrath A,Raffiee K.The Demand for US Air Transport Service:A Chaos and Nonlinearity Investigation[J].Transportation Re?search Part E Logistics and Transportation Review,2001,37(5).

      [4]楊榮英,張輝,苗張木.物流預(yù)測技術(shù)中的移動平均線方法[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版),2001,25(3).

      [5]李海建,曹衛(wèi)東,曹有揮.蕪湖市物流業(yè)發(fā)展的現(xiàn)狀分析及規(guī)模預(yù)測[J].安徽師范大學(xué)學(xué)報(自然科學(xué)版),2003,26(2).

      [6]周茵.殘差灰色預(yù)測模型在物流需求預(yù)測中的應(yīng)用[J].鐵道運(yùn)輸與經(jīng)濟(jì),2007,29(11).

      [7]Albertson K,Aylen J.Forecasting the Behaviour of Manufacturing In?ventory[J].International Journal of Forecasting,2003,19(2).

      [8]Makridakis S,Winkler R L.Averages of Forecasts:Some Empirical Results[J].Management Science,1983,29(9).

      [9]黃榮富,陳亞東,潘健.組合預(yù)測技術(shù)在港口吞吐量預(yù)測中的應(yīng)用研究[J].水運(yùn)工程,2003,(5).

      [10]郁小鋒,余靜.組合預(yù)測模型在港口物流量預(yù)測中的應(yīng)用[J].中國水運(yùn),2008,8(6).

      [11]王玥.區(qū)域物流方法預(yù)測研究[J].物流技術(shù),2009,28(12).

      [12]鄭莉.我國豬肉消費(fèi)需求量集成預(yù)測——基于ARIMA,VAR和VEC模型的實(shí)證[J].系統(tǒng)工程理論與實(shí)踐,2013,33(4).

      [13]毛敏,劉建.基于多元線性回歸的區(qū)域物流需求組合預(yù)測方法[J].物流技術(shù),2015,34(4).

      [14]克萊爾·貝利斯.精算管理控制系統(tǒng)[M].北京:中國人民大學(xué)出版社,2006,(6).

      [15]《精算管理》編寫組.中國精算師考試資格用書(精算管理)[M].北京:中國財政經(jīng)濟(jì)出版社,2010.

      (責(zé)任編輯/浩 天)

      F259.27

      A

      1002-6487(2016)24-0076-03

      國家社會科學(xué)基金資助項(xiàng)目(12CJL056)

      毛 敏(1975—),女,四川樂山人,副教授,研究方向:物流系統(tǒng)規(guī)劃與設(shè)計。

      劉 建(1988—),男,四川金堂人,碩士研究生,研究方向:物流系統(tǒng)優(yōu)化。

      薄 琳(1992—),女,遼寧錦州人,碩士研究生,研究方向:物流系統(tǒng)規(guī)劃。

      猜你喜歡
      廣義權(quán)重物流
      Rn中的廣義逆Bonnesen型不等式
      權(quán)重常思“浮名輕”
      本刊重點(diǎn)關(guān)注的物流展會
      從廣義心腎不交論治慢性心力衰竭
      “智”造更長物流生態(tài)鏈
      汽車觀察(2018年12期)2018-12-26 01:05:44
      為黨督政勤履職 代民行權(quán)重?fù)?dān)當(dāng)
      基于公約式權(quán)重的截短線性分組碼盲識別方法
      有限群的廣義交換度
      基于低碳物流的公路運(yùn)輸優(yōu)化
      決戰(zhàn)“最后一公里”
      商界(2014年12期)2014-04-29 00:44:03
      浠水县| 宜城市| 治县。| 武安市| 汉川市| 柳林县| 湾仔区| 偃师市| 壶关县| 徐水县| 青田县| 商城县| 新野县| 佛山市| 尉犁县| 宜州市| 汕尾市| 通山县| 建水县| 石楼县| 潮州市| 清徐县| 阿勒泰市| 义乌市| 信宜市| 宜兰县| 久治县| 临颍县| 顺平县| 张家界市| 正宁县| 武威市| 瑞金市| 宝山区| 遵义县| 十堰市| 汪清县| 太仆寺旗| 古田县| 青神县| 彭阳县|