1、 某物流公司訂單額預測建設與管理工程學院課 程 設 計課 程 名 稱: 物流系統分析與優化課程設計 課 程 代 碼: 1204179 題 目: 某物流公司訂單額預測 年級/專業/班: 2012級物流管理2班 學 生 姓 名: 楊超 學 號: 312012110210219 開 始 時 間: 2016 年 6 月 6 日完 成 時 間: 2016 年 6 月 20 日課程設計成績：學習態度及平時成績（30）技術水平與實際能力（20）創新（5）說明書（計算書、圖紙、分析報告）撰寫質量（45）總 分（100）指導教師簽名： 年 月 日- 14 -物流系統分析與優化課程設計任 務 書學院名稱： 建設與

2、管理工程學院 課程代碼：_1204179_ 專業： 物流管理 年級： 2012 一、題目自選題目，題目可以選擇當前物流或流通領域熱點問題或企業實際情況，開展物流系統分析與優化活動，提交成果，寫出總結。選題盡量細小，避免假、大、空。選題參考：選題參考：1、 針對當前物流或流通領域的相關問題，在國內外公開出版的刊物上發表論文。2、 物流或流通相關領域的發明創造、創業計劃書。4、針對當前物流或流通領域熱點問題的物流系統分析與優化課程設計等。本人題目： 某物流公司訂單額預測 二、主要內容及要求內容與物流或流通領域相關的物流系統分析，形式上可以是（但不限于）以下之一：1. 一人一題，不允許重復。調查類型

3、的題目允許以小組為單位，但個人論文題目應有所區別，各有側重。2. 格式要求（附后，含目錄、摘要、引言、正文、致謝、參考文獻）3. 工作量要求：正文部分字數4000以上4. 階段性要求：每周必須與導師見面，尋求指導；選題須經導師同意后才可進入下一階段；5. 本課程特別強調物流系統分析與優化。抄襲者將不予成績且無重新提交報告的資格。6. 提交材料：、最終成果：（裝訂順序為：封面、任務書、課程論文，可能的案例或調查計劃。）、參考的資料（可以是原始文稿電子文檔或紙質件、書、手寫的讀書筆記、摘抄等反應），共指導教師檢查、不存檔。三、主要技術路線提示選定問題查閱資料物流系統分析與優化撰寫總結報告四、進度安

4、排6月4日開始，6月30日結束；分四階段：1）選題及資料收集；2）物流系統分析與優化；3）撰寫總結報告；4）提交報告，具體完成時間以及指導時間由指導教師確定。 指導老師 簽名日期 2016 年3月 25日 系 主 任 審核日期 2016 年3 月25日目 錄摘 要- 1 -1引言- 2 -1.1問題的提出- 2 -1.2預測- 2 -1.3預測模型的選用- 2 -1.3.1訂單額數據的特點- 2 -1.3.2預測模型的比較- 3 -1.4灰色預測的理論知識- 3 -1.4.1 模型GM(1,1)的建立- 3 -1.4.2模型GM(1，1)的檢驗- 4 -2物流公司現狀- 6 -3訂單額預測-

5、7 -3.1建立GM(1，1)模型- 7 -3.2 GM(1，1)模型的檢驗- 8 -3.2.1殘差檢驗- 9 -3.2.2關聯度檢驗- 9 -3.2.3后驗差檢驗- 9 -3.3訂單額預測- 10 -4預測總結- 11 -5結論- 12 -致 謝- 13 -參考文獻- 14 -摘 要預測是一項基礎性的意義重大的工作。在市場競爭中，通過預測可以為企業未來發展提供規劃和指導。本文是對某物流公司訂單額的預測，分析和說明了預測工作的基本環節。本文首先說明了該物流公司以往訂單數據的情況、分析訂單數據的特征、分析和選用預測模型、模型介紹、預測計算、預測結果的檢驗、預測總結。本文選用的預測模型是灰色預測模

6、型，為了提高預測的科學性，本文分析了為什么選用灰色預測模型和運用灰色預測模型的特點，本文所做的預測是采用定量分析和定性分析相結合的，對其它相識的預測工作也具有參考意義。 關鍵詞：預測 訂單額 灰色預測1引言1.1問題的提出經濟生活中的許多現象都不是互相獨立的，而是相互作用、相互影響的。一種結果的出現往往是多個因素、多個環節共同作用的導致的結果。當我們需要把握其中的規律時，可以拋開次要因素，抓住具有決定影響的因素，這樣我們就可以對未來仿真。在離散、變化的數據背后，它們往往蘊含一定的規律，并且這種規律具有一定的穩定性，如對銷售量的分析預測可以發現，銷售量在不同季節、不同地區、不同人群中的變化，盡管

7、這種變化是根據過去數據得出的，但根據統計學大數定理，未來的銷售量會在過去銷售量的中值附近波動，并且越靠近現在，預測值與實際值越接近，比如今天的銷售量是100，沒有特殊情況，明天的銷售量不可能一下子跌成10，如果真出現這樣大的反差，是需要考慮其他因素的。本文中，某公司是一家物流運輸公司，該公司建立不久，經過一段時間的運營，已經取得一定成就，訂單額也比以前大了許多，該公司面對以往的訂單額需要知道未來一定時期的訂單額會達到多少，這樣，公司就就可以為未來的發展提前做好準備。所以對該 物流公司訂單額的預測是具有現實意義的，這不僅體現在為未來的發展戰略提供一個參考數據，也可以為該公司合理接受訂單做參考，比

8、如在議價方面、服務質量方面，所以訂單額預測是一件件基礎性的、具有重要經濟意義的工作。1.2預測預測就是根據可以獲得的歷史和現實數據資料，運用一定的科學方法和手段，對人類社會、政治、經濟、軍事、科學技術等發展趨勢作出科學推測，以指導未來行動的方向，減少處理未來事件的盲目性1。1.3預測模型的選用1.3.1訂單額數據的特點 該物流公司的訂單額是從2009年到2015年一共7年的訂單額，是屬于小樣本，不確定性較大的情況。物流公司的訂單額受經濟環境因素影響較多，很多因素是無法量化的，特別是宏觀經濟環境，物流市場的競爭狀況，在微觀方面還有大量不確定性的，變化較快的因素，如該地區運輸市場價格的變化，所以對

9、該物流公司訂單額的預測有一種未透明的信息和透明信息相結合的特點，符合部分已知，部分未知的灰色概念。采用灰色預測模型具有一定的可行性。1.3.2預測模型的比較預測的方法非常多，但主要集中在趨勢外推法和回歸法。它們各有特點，趨勢外推法是根據歷史統計資料，預測今后一段時間的發展趨勢和可能達到的水平的方法，這種方法簡單，只要給定了預測時間和數量，就可以預測。回歸預測法是以相關原理為基礎，回歸分析預測的基本思路是通過相關分析，把事物發展變化的決定性的影響因素找出來，或者把主要因素找出來，然后再根據數學模型預測其未來狀況。傳統的預測方法例如時間系列預測方法、趨勢外推方法或神經網絡方法大多需要以大樣本的數據

10、為預測前提，但在科學研究中，特別是在研究社會、經濟系統時，人們遇到的最大困難往往就是真實、準確數據的獲取，這成為制約研究工作的最大瓶頸，因此大樣本的條件在一定程度上制約了傳統預測方法的應用。在實踐當中，我國的預測工作者提出了一些嶄新的、實用的預測方法體系，這其中，灰色系統預測理論就是一個嶄新的理論分支，灰色預測理論的提出，適應了實際應用的要求，拓寬了預測對象的范圍，進一步推進了預測理論的發展。灰色預測方法既不需要大量數據的支持，也不需要數據服從典型的概率分布，僅用現實中獲得的少量數據進行建模，就能夠取得較好的預測效果，達到較高的擬合和預測精度，灰色預測理論的這些優點，適應了實際研究的需要，將可

11、以預測的對象范圍進一步擴大，推進了預測科學的發展。所以本文采用灰色預測模型。1.4灰色預測的理論知識 建立灰色預測模型，必須是定性與定量相結合，以定性為先導，定量為手段，預測過程是定性與定量的結合。建立灰色模型時，需要對原始數據作累加處理，通過累加處理對非負的時間數據序列找到某種規律，實際研究中我們獲得的數據表現出很散亂的樣子，而這些散亂的數據我們可以把它看成是灰色過程，對灰色過程所建立的模型便是灰色模型。通過對原始數據序列的累加生成，發現其指數增長規律，然后用最小二乘法求解模型參數，建立出齊次指數擬合模型，在建立好灰色模型后還要對數據進行累減處理，最終求得預測值。我們可以看出，對于含有誤差影

12、響、呈現離散狀態的原始數據，灰色模型首先采取了對數據作生成(累加)處理，淡化隨機性誤差影響，再擬以微分方程進行建模，使所建模型具有較高精度，并通過對模型值的還原(生成的逆運算)，求得預測值2。本文采用GM(1,1)模型，GM(1,1)模型表示由一階微分方程、一個變量的灰色預測模型。1.4.1 模型GM(1,1)的建立設時間序列有n個觀測值對X(0)進行一次累加生成，得到一次累加序列， （i=1，2, ，n）進過一次累加得到的數列表示如下： 采用一階單變量線性動態模型GM(1，1)，視的一階微分方程為：式中a為發展系數，u為內生控制系數，令A=(a,u)T，可按最小二乘法求出a與u的值，求解如下

13、：式中：求解微分方程，即可得到預測模型： （t=0，1, ，n）1.4.2模型GM(1，1)的檢驗 GM(1，1)模型的檢驗包括三種方法，殘差檢驗、關聯度檢驗和后驗差檢驗。（1）殘差檢驗 殘差大小檢驗，即對模型值和實際值的殘差進行逐點檢驗。按預測模型計算，并將累減生成，計算原始序列與的相對誤差和絕對誤差。 絕對誤差序列： （i=1，2，n）相對誤差序列： （i=1，2，n）（2）關聯度檢驗在客觀世界中，許多因素之間的關系是灰的。灰關聯度分析實際上就是比較數據到曲線幾何形狀的接近程度，幾何曲線越接近，變化趨勢也就越接近，關聯度也就越大。設：關聯度系數定義為：式中，為分辨率，一般取 從關聯系數的結

14、果來看，計算關聯系數得到的是數列與參考數列單個點間的關聯系數，這些關聯系數，信息分散，不便于集中比較，所以有必要將分散的關聯系數集中在一個點上，這就是關聯度。在計算出關聯系數后，可按下式計算關聯度。這里的r是各關聯系數的平均值，將它作為關聯度。根據經驗，當時，關聯度大于0.6是可以接受的。（3）后驗差檢驗 計算原始序列標注差：絕對序列標準差：方差比：小概率誤差：令則 灰色系統模型后驗差檢驗的判斷標準見表1。表1 預測精度判斷標準P值C值精度等級0.950.35好0.80.5合格0.70.65勉強合格0.70.65不合格2物流公司現狀該物流公司成立于2009年，主要從事城市物流配送，客戶對象包括

15、連鎖超市、快餐店、中小電商、服裝店等，該物流公司發展較快，服務內容正在朝著多元化，微型化的方向發展，服務對象即有大型固定的客戶，也有臨時性的小微客戶，在物流市場競爭中，該公司不斷完善服務，提高軟硬件水平，公司的訂單額正在增長，但是，面對多元化，多變化，綜合化的物流市場，信息的不對稱和博弈存在著整個物流市場，部分市場信息是公知的，但另一些信息卻是在不同的物流供應商的手中，基于這種部分知道，而部分知道，并且市場信息復雜，統計困難的情況，該公司要對未來幾年的物流營業作出展望，希望預測未來幾年的訂單額，這種預測具有極大的不確定性，但是經濟預測還是可以為公司的規劃和戰略方向提供參考。該物流公司已知的年訂

16、單額是從成立到2015年，共7年的時間，在七年的時間里，經濟環境發生了很大的變化，就連物流業本身也在更新換代，物流的內容和管理方法也在變化，但在一個較長的時間內，經濟現象的變化是有限的，它總是在外界新的因素的刺激下在一定程度上重復以往的情況，盡管這種重復會隨時間的推移不斷弱化，但它也在反應一種以往的經濟規律在現時德爾隱形表現。該物流公司的現狀在一定程度上十穩定的，包括它大體的發展方向，基本的服務內容，主要的客戶來源以及投資額的變化，這些基本可以認為是穩定，這就為預測奠定了一個穩定的基礎。3訂單額預測該物流公司的訂單額以年為單位，共計7年，其中第一年不足一年，年訂單額表示該物流一年的時間里接受到

17、的業務總額，用以表示物流公司經營狀況的優良。2009年至2015年一共7年的時間的訂單額如表2所示。表2 訂單額年份2009201020112012201320142015訂單額（萬元）2204907309501350154018753.1建立GM(1，1)模型 根據表2的數據構建原始數列，原始數列記為X(0)(i)。X(0)(i)=220，490，730，950，1350，1540，1875對X(0)(i)進行一次累加生產數列X(1)(i)。X(1)(i)=220，710,1440,2390,3740,5280,7155數據矩陣B的構建如下： 構建數據向量Yn如下：根據最小二乘法計算如下：即

18、發展系數a=-0.23636，內生控制系數u=476.4，所以可以得到灰色預測模型，模型如下：將t值分別取0，1，2，3，4，5，6就可以得到從2009年到2015年訂單額的預測值，各年的訂單額預測值計算如下： 以上的預測值是根據灰色預測模型計算得出的訂單額，將這些預測值與真實訂單額比較，可以用來檢驗預測的精度和預測是否可行。3.2 GM(1，1)模型的檢驗 將訂單額的真實值和利用預測模型預測得出的訂單額值相比較，比較的結果用來驗證模型，本文同時做殘差檢驗、關聯度檢驗和后驗差檢驗。訂單額的真實值與預測值如表3所示。表3 真實訂單額與預測值(單位 萬元)i1234567 220490730950

19、135015401875 220596.0514754.9778956.2771211.2491534.2051943.273.2.1殘差檢驗首先進行殘差檢驗，利用和做殘差檢驗。絕對殘差序列： (0)(i)=0，106，25，6，139，6，68相對殘差序列：=0,21.6%，3.4%，0.66%，10.3%，0.38%，3.6%從相對殘差可以看出，誤差在21.6%范圍內，誤差較高，但誤差波動趨勢也很大，在精度要求不高的條件下，該預測模型具有一定的預測價值。3.2.2關聯度檢驗關聯度檢驗與殘差檢驗有相識之處，首先都要計算殘差序列。利用和做殘差檢驗計算絕對殘差序列(0)如下：(0)(i)=0，1

20、06，25，6，139，6，68所以可以得出min(0)(i)=0，max(0)(i)=139，利用min(0)(i)=0，max(0)(i)可以計算關聯度系數，這里由于只有兩個序列，一個是參考數列，另一個是被比較的數列，所以這里不再尋找二級最小差和最大差。=1，0.396，0.735，0.9，0.438，0.9，0.5將這些關聯系數取算數平均值就可以得到關聯度，計算結果如下：從檢測結果可以看出這里的r=0.7是滿足=0.5時的檢驗標準r0.6，所以根據關聯度的檢驗結果，該預測模型是可取的。3.2.3后驗差檢驗原始訂單額序列的標準差計算結果如下：絕對誤差序列的標準差計算如下：所以，后驗差比值計

21、算如下：計算小誤差概率：S0=0.6745S1=238345 所以，所有的都小于S0，故小誤差概率P=1，對照表1，判斷預測精度，P=1，C0.35，可以認為該預測模型的精度是“好”。 通過殘差檢驗、關聯度檢驗和后驗差檢驗，可以認為該預測模型是可以接受的，通過了檢驗的預測模型就可以對未來的訂單額進行預測。3.3訂單額預測 通過了檢驗，就可以對未來的訂單額進行預測，本文預測的時長為7年，也就是從2016年至2022年的時間，預測的模型如下：2016年至2022年的訂單額預測值計算如下： 4預測總結 訂單額預測完成以后，需要對預測作出評估和總結，本次為某物流公司的訂單額預測跨度極大，該物流公司成立

22、于2009年，至2015年已經運營7年，本次預測的時長也是7年，從2016年至2022年，跨度極大，在這7年的時間里，物流業的環境必然會發生巨大的改變，宏觀經濟環境也會發生很大的變化，所以這種預測其實只能作為一種參考，需要公司經營者根據客觀的經濟環境來審視這些預測值，數據是固定的，但經濟活動永遠是復雜地變化著。但時，在排除其他次要因素的前提下，假定現時的客觀環境具有相當的穩定性，則這樣的預測值是具有經濟價值，因素現時的經濟環境必然在相當程度上在延續過去的某種規律。所以，這里的預測是具有相對經濟學意義的。可以通過觀察2009年至2015年年訂單額真實值的變化情況和年訂單額預測值的變化情況，比較和觀察真實數據和預測數據的趨勢，也可以觀察采用灰色預測得出的訂單額的變化特點。年訂單額真實值和年訂單額預測值分別如圖1和圖2所示。圖1 年訂單