基于组合灰色预测模型的物流企业运营成本预测.docVIP

基于组合灰色预测模型的物流企业运营成本预测 　　【摘 要】 运营成本预测是物流企业制定企业发展战略的基础。文章基于GM（1，1）模型、Verhulst模型和SCGM（1，1）c模型建立组合灰色预测模型，运用预测有效度方法确定组合预测模型的权重系数，对物流企业运营成本进行预测。选用P物流企业2000―2009年的运营成本实际值作为原始数据，利用各预测模型预测2010―2012年物流企业运营成本。预测结果表明，组合灰色预测模型比单一预测模型具有更高的预测精度。在验证组合灰色预测模型可行性的基础上，进一步预测物流企业2013―2017年运营成本，为成本预测及相关领域提供理论及方法借鉴。 　　【关键词】 物流运营； 灰色模型； 运营成本； 成本预测 　　中图分类号：F252.3 文献标识码：A 文章编号：1004-5937（2014）28-0005-05 　　一、引言 　　物流成本是反映企业物流经营管理工作质量及劳动耗费水平的综合指标。随着经济的快速发展，国内物流市场需求和现代物流业步入了快速增长阶段，并已经初具规模，但根据国际货币基金组织与世界银行的测算，我国大陆物流成本约占GDP的16.7%，其他相关组织的估计达到20%，与国外发达国家相比，物流总成本占GDP的比重过高，而国内物流市场开放程度的加大，国外物流企业的进入给国内物流企业带来严重的冲击。因此，降低物流企业的运营成本，提升物流成本控制水平是现阶段国内物流企业亟待解决的难题，而解决该问题的关键则是进行有效的运营成本预算。目前，对物流企业运营成本预测的方法主要是线性回归法、BP神经网络法等。传统的线性回归分析具有操作简单、使用方便的优点，但是预测误差较大，无法满足对企业物流成本精确预测的需求；BP神经网络可经过多次学习训练，寻找与最小误差相对应的网络参数，但易出现训练不足或过度训练，陷入局部最小状况。近年来，组合预测方法在众多领域中开始应用，并体现出较高的预测精度，但是结合现有的研究成果来看，构成组合预测模型的单一模型种类及数量还有待深入考虑。物流企业运营成本的特性决定了物流成本控制是一项复杂的系统工程，鉴于此，本文在充分探析现阶段常用的单一预测模型建模机理及适用范围的基础上，构建了GM（1，1）模型、Verhulst模型和SCGM（1，1）c模型，并通过借鉴各单一预测模型的优点及有效信息，建立了组合灰色预测模型，用于提升物流企业运营成本预测精度，为物流成本的控制提供理论依据。 　　二、模型构建 　　（一）GM（1，1）模型 　　灰色理论于20世纪80年代由邓聚龙教授提出，此后该理论被推广到众多领域，如环境保护与治理、交通运输、交通事故预测等方面，但是根据现有研究成果发现其与物流企业运营成本预测结合的研究较少。其中，灰色系统理论中最具有代表性、应用最广泛的预测模型为GM（1，1）模型，其建模原理如下： 　　设物流企业运营成本原始数据序列为：x （0 ）（t）= {x （0 ）（t），x （0 ）（2），…，x （0 ）（N）}。其中，N为序列长度。将原始序列累加取得生成序列x （1 ）（t），即x （1 ）（t）= {x （1 ）（1），x （1 ）（2），…，x （1 ）（N）}，且x （1 ）（k）= （0 ）（t）。序列x （1 ）（t）的白化微分方程为： 　　其中，a、？着指待辨识参数。 　　设参数向量 　　利用最小二乘法可求得？装=（T）-1（TYn），得到公式（1）的解： 　　鉴于预测方程是对数据列累加构建而成，需要累减还原，得到原始数据列的预测值： 　　（二）Verhulst模型 　　德国生物学家费尔哈斯于1837 年提出Verhulst模型，是一种常被用以描述具有饱和状态的S形过程的生物生长模型。现阶段已被用于人口数量动态分析、零部件生命周期预测、繁殖研究等。近年来，国内物流企业运营成本表现为具有饱和状态的S形过程，即可使用Verhulst模型对物流企业运营成本进行预测。其基本建模过程如下： 　　设物流企业运营成本原始数据序列为：X （0 ）={x （0）1 ，x（0）2 ，…，x（0）n }。其中，n为序列长度。将原始序列累减取得生成序列X （1 ）={x（1）1 ，x（1）2 ，…，x（1）n }，且x（1）k =x（0）k - x（0）k-1，k=1，2，…，n。将X （0 ）作紧邻均值生成序列为：G （1 ） 　　={g（1）2 ，g（1）3 ，…，g（1）n }，其中，g（1）k = ，k=2，3，…，n，称X （0 ）+aG （1 ）=？茁（G （1 ））2为Verhulst模型。其中，？琢、？茁为参数。 　　Verhulst模型的白化方程为 +ax （0 ）=？茁（x （0 ））2，设参数向量？准=[？琢 ？茁