基于灰色预测模型的广西物流需求预测

《基于灰色预测模型的广西物流需求预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于灰色预测模型的广西物流需求预测［摘要］本文运用灰色GM(1,1)预测模型理论，根据统计数据建立了物流需求量模型并对广西未来几年物流需求规模进行了预测，在一定程度上能够为广西物流业发展提供定量依据。预测结果表明广西物流需求呈稳定增长的态势。　　［关键词］GM(1,1)模型；物流需求；预测　　doi:10.3969/j.issn.1673-0194.2011.05.021　　［］F252.2［］A［］1673-0194（2011）05-0039-03　　　　1引言　　　　现代物流作为一种对产品从

2、生产到消费进行高效率的组织和管理的方式，被广泛认为是继生产和营销之后的“第三利润源泉”。物流产业作为许多国家国民经济的重要组成部分和工业化进程中最为经济的服务模式，正在全球范围内迅速发展，成为一个具有巨大发展潜力的新兴产业。　　广西发展现代物流具有优越的条件。一是得天独厚的港口条件。广西北部湾港口资源丰富，防城港、钦州港、北海港和铁山港构成广西沿海地区的天然深水港口群，具有建设３亿吨综合性大港口的自然条件。二是区位优势。广西地处中国—东盟自由贸易区，是中国面向东盟的桥头堡和对外开放的重要窗口，是

3、泛珠三角经济圈和大西南经济圈的中心结合部，是西南地区重要的运输枢纽、出海通道。三是政治和政策优势。随着内地与香港更紧密经贸关系安排（ＣＥＰＡ）的签署、中国—东盟自由贸易区（ＣＡＦＩＡ）的实质性启动、泛珠三角地区经济合作（ＰＥＣＯ）的出台，广西迎来了千载难逢的发展现代物流的战略性机会。另外，广西是我国唯一可以享受东部沿海开放地区、西部大开发以及民族自治三方面优惠政策的省份，这为广西现代物流的发展创造了其他省份所没有的良好的政策环境。　　在现代物流规划过程中，物流需求分析是很重要的的环节。通过物流分

4、析，可以保证物流服务的供给与需求之间的相对平衡，使社会物流活动保持较高的效率与效益。广西政府已下定决心将北部湾经济区建设成为中国—东盟物流基地、商贸基地、加工制造基地和信息交流中心。建成的北部湾经济区将成为带动广西经济发展的新的增长极。将北部湾经济区打造成“中国—东盟物流基地”，必须要考虑其所依托的整个广西的物流承载能力，科学合理地建设物流园区，使物流产业能适应广西经济发展的需要。　　　　2物流需求指标及数据的选取　　　　物流需求是伴随着经济的发展而产生和发展起来的，是经济社会中的工商企业、经济

5、社会的各个部门以及经济活动中的个人为了满足其生产经营、事业开展以及生活的需要，在物流服务的运输、仓储、配送、流通加工等各个环节所产生的有支付能力的需求。物流需求量分析是物流需求分析的重要组成部分，其度量指标体系有实物量体系和价值量体系。实物量体系指标表现为不同环节和功能的具体作业量，如货运量、货运周转量、库存量、加工量等。价值量体系指标是所有物流环节上全部服务价值的综合反映，包括物流成本、物流收入、供应链增值等。由于实物量体系指标容易衡量，并且容易获得相关的统计数据，因此，一般采用实物量体系指标

6、对物流需求进行量化研究。从实物量指标来讲，虽然运输需求只是物流需求中的一个部分，但运输是物流过程中的最基本的活动，贯穿整个物流过程，是联系其他物流服务功能的纽带，运量的多少必然决定着仓储、配送、装卸、包装等环节需求量的多少，并且，运输费用占物流总成本的很大比重。因此，用货运量表示物流需求是可以反映物流需求的变化规律的。本文选取货运量表征物流需求。　　数据太多会把过时的信息带入，影响模型的质量，还会增加计算量，而数据太少又会造成有效信息的不足。由于中国—东盟博览会于２００４年落户南宁，为广西实现经

7、济振兴发展带来难得的历史机遇，广西政府把发展物流业作为经济发展的切入点，物流产业得到快速发展。因此，本文选取广西２００４-２００８年的货运量数据为基础来建模预测，其数据见表１。　　　　3灰色预测模型的构建及物流需求预测　　　　因为物流需求的变化所受影响因素具有不确定性和复杂性的特点，因此，我们选取灰色预测模型来对广西物流需求进行预测。利用灰色预测模型（ＧＭ模型）可以对所研究系统的发展变化进行全局观察、分析和长期预测，最常用的是一阶一元微分方程预测模型ＧＭ（１，１），该模型具有要求数据少、原理简单

8、、计算量适中、结果精度高等诸多优点。　　3.1模型的选择　　3.1.1灰序列的生成　　把广西２００４～２００８年的货运量作为原始数列，将它记为：　　Ｘ（０）＝（ｘ（０）（１），ｘ（０）（２），ｘ（０）（３），x（０）（４），ｘ（０）（５））＝（３７１１８，４１０２５，　　４５４５４，５０１５２，５８０６８）　　对原始序列作１－ＡＧＯ得：　　Ｘ（１）＝（ｘ（１）（１），ｘ（１）（２），ｘ（１）（３），ｘ（１）（４），ｘ（１）（５））＝（３７１１８，７８１４３，　　１２３５９７，１７３７４９，２３１