國(guó)內(nèi)物流需求預(yù)測(cè)方法文獻(xiàn)綜述

國(guó)內(nèi)物流需求預(yù)測(cè)方法文獻(xiàn)綜述PAGEPAGE1————————————————————————————————作者：————————————————————————————————日期： 個(gè)人收集整理勿做商業(yè)用途個(gè)人收集整理勿做商業(yè)用途個(gè)人收集整理勿做商業(yè)用途國(guó)內(nèi)物流需求預(yù)測(cè)方法文獻(xiàn)綜述

(河北工程大學(xué)

管理科學(xué)與工程

阮俊虎)物流需求是指一定時(shí)期內(nèi)社會(huì)經(jīng)濟(jì)活動(dòng)對(duì)生產(chǎn)、流通、消費(fèi)領(lǐng)域的原材料、半成品和成品、商品以及廢舊物品、廢舊材料等的配置作用而產(chǎn)生的對(duì)物在空間、時(shí)間和費(fèi)用方面的要求，涉及運(yùn)輸、庫(kù)存、包裝、裝卸搬運(yùn)、流通加工以及與之相關(guān)的信息需求等物流活動(dòng)的諸方面[1］。物流需求的度量可以采用價(jià)值量和實(shí)物量?jī)煞N度量體系。實(shí)物量意義上的物流需求主要表現(xiàn)為不同環(huán)節(jié)和功能的具體作業(yè)量，如貨運(yùn)量、庫(kù)存量、加工量、配送量等;價(jià)值量意義上的物流需求是所有物流環(huán)節(jié)全部服務(wù)價(jià)值構(gòu)成的綜合反映,如物流成本、物流收入、供應(yīng)鏈增值等[2］。物流需求預(yù)測(cè)是根據(jù)物流市場(chǎng)過(guò)去和現(xiàn)在的需求狀況，以及影響物流市場(chǎng)需求變化的因素之間的關(guān)系，利用一定的判斷、技術(shù)方法和模型，對(duì)物流需求的變化及發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。國(guó)內(nèi)外許多專(zhuān)家和學(xué)者都對(duì)物流需求的預(yù)測(cè)進(jìn)行了研究,提出不同的預(yù)測(cè)方法和手段。物流預(yù)測(cè)方法可以分為定性預(yù)測(cè)方法（如德?tīng)柗品ê蜆I(yè)務(wù)人員評(píng)估法等）和定量預(yù)測(cè)方法，但多數(shù)是定量預(yù)測(cè)方法,因此，本文主要是對(duì)國(guó)內(nèi)物流需求定量預(yù)測(cè)方法進(jìn)行綜述，歸為時(shí)間序列預(yù)測(cè)方法、因果關(guān)系預(yù)測(cè)方法、組合預(yù)測(cè)方法等三類(lèi).1．時(shí)間序列預(yù)測(cè)方法綜述時(shí)間序列預(yù)測(cè)方法是依據(jù)從歷史數(shù)據(jù)組成的時(shí)間序列中找出預(yù)測(cè)對(duì)象的發(fā)展變化規(guī)律，以此作為預(yù)測(cè)依據(jù)。常用的時(shí)間序列預(yù)測(cè)模型有增長(zhǎng)率法、移動(dòng)平均法、指數(shù)平滑法、隨機(jī)時(shí)間序列模型、灰色模型、以及在經(jīng)濟(jì)領(lǐng)域已經(jīng)被廣泛應(yīng)用的混沌與分形等。增長(zhǎng)率法指根據(jù)預(yù)測(cè)對(duì)象在過(guò)去的統(tǒng)計(jì)期內(nèi)的平均增長(zhǎng)率，類(lèi)推未來(lái)某期預(yù)測(cè)值的一種簡(jiǎn)便算法。該預(yù)測(cè)方法一般用于增長(zhǎng)率變化不大，或預(yù)計(jì)過(guò)去的增長(zhǎng)趨勢(shì)在預(yù)測(cè)期內(nèi)仍將繼續(xù)的場(chǎng)合。劉勁等［3]（2002)在利用增長(zhǎng)率系數(shù)法對(duì)百色地區(qū)港口貨運(yùn)量進(jìn)行了逐一分析。移動(dòng)平均法是用一組最近的實(shí)際數(shù)據(jù)值來(lái)預(yù)測(cè)未來(lái)一期或幾期內(nèi)產(chǎn)品的需求量的一種常用方法.當(dāng)產(chǎn)品需求既不快速增長(zhǎng)也不快速下降，且不存在季節(jié)性因素時(shí),移動(dòng)平均法能有效地消除預(yù)測(cè)中的隨機(jī)波動(dòng)。根據(jù)預(yù)測(cè)時(shí)使用的各元素的權(quán)重不同，移動(dòng)平均法可以分為：簡(jiǎn)單移動(dòng)平均和加權(quán)移動(dòng)平均。楊榮英等［4]（2001）在討論移動(dòng)平均值的基礎(chǔ)上，提出了移動(dòng)平均線(xiàn)方法,并介紹了運(yùn)用移動(dòng)平均線(xiàn)進(jìn)行物流預(yù)測(cè)的方法。李海建等［5]（2003）利用二次移動(dòng)平均線(xiàn)模型對(duì)蕪湖市物流業(yè)發(fā)展的規(guī)模進(jìn)行了預(yù)測(cè).指數(shù)平滑法是在移動(dòng)平均法基礎(chǔ)上發(fā)展起來(lái)的一種時(shí)間序列分析預(yù)測(cè)法,它是通過(guò)計(jì)算指數(shù)平滑值,配合一定的時(shí)間序列預(yù)測(cè)模型對(duì)現(xiàn)象的未來(lái)進(jìn)行預(yù)測(cè)。其原理是任一期的指數(shù)平滑值都是本期實(shí)際觀察值與前一期指數(shù)平滑值的加權(quán)平均。移動(dòng)平均法則不考慮較遠(yuǎn)期的數(shù)據(jù)，并在加權(quán)移動(dòng)平均法中給予近期資料更大的權(quán)重；而指數(shù)平滑法則兼容了全期平均和移動(dòng)平均所長(zhǎng)，不舍棄過(guò)去的數(shù)據(jù)，但是僅給予逐漸減弱的影響程度，即隨著數(shù)據(jù)的遠(yuǎn)離，賦予逐漸收斂為零的權(quán)數(shù)。韋司瀅等［6]（1999）將指數(shù)平滑法等其他多種方法應(yīng)用在三峽移民工程建材配送決策支持系統(tǒng)中。黃榮富等［7]（2003）、張?jiān)瓶档萚8］（2008）在進(jìn)行指數(shù)平滑法預(yù)測(cè)的基礎(chǔ)上進(jìn)行了物流需求多種方法組合預(yù)測(cè).隨機(jī)時(shí)間序列模型就是指在所研究對(duì)象的一組實(shí)測(cè)時(shí)間序列的基礎(chǔ)上，通過(guò)各種數(shù)學(xué)的分析處理手段，尋找序列變化特征、發(fā)展趨勢(shì)與規(guī)律,進(jìn)而對(duì)未來(lái)某時(shí)刻研究對(duì)象的狀態(tài)做出估計(jì)。常用模型有：自回歸（AR）模型、移動(dòng)平均（MA）模型、自回歸移動(dòng)平均（ARMA)模型、求和自回歸移動(dòng)平均(ARIMA)模型等。黃麗[9］(2004）利用隨機(jī)時(shí)間序列模型對(duì)物流需求預(yù)測(cè)進(jìn)行了專(zhuān)題研究?；疑Ｐ?GreyModel，簡(jiǎn)稱(chēng)GM)是一種以對(duì)時(shí)間序列進(jìn)行研究分析，并建立方程，將無(wú)規(guī)律的原始數(shù)列經(jīng)過(guò)轉(zhuǎn)換,使之成為較有規(guī)律的生成數(shù)列后再建模用于預(yù)測(cè)的預(yù)測(cè)方法.賴(lài)一飛等［10］(2000）建立灰色系統(tǒng)預(yù)測(cè)模型,并對(duì)金沙江貨類(lèi)的流量流向及過(guò)壩貨運(yùn)量進(jìn)行分析預(yù)測(cè)。張存祿等[11]（2000)利用GM（1，1）模型對(duì)武漢地區(qū)的物流發(fā)展水平進(jìn)行了灰色預(yù)測(cè)。張鵬等[12］(2001)將灰色模型應(yīng)用到公路物流預(yù)測(cè)中。林樺等[13]（2001)、劉芳等［14]（2005）、黃智星等［15］（2007）、柴大勝等［16］(2007）以物流園區(qū)為研究對(duì)象，利用灰色模型對(duì)其貨流量等進(jìn)行了預(yù)測(cè)。林小平等［17]（2003）利用灰色系統(tǒng)理論，建立了成都雙流機(jī)場(chǎng)貨、郵吞吐量的預(yù)測(cè)模型。并通過(guò)實(shí)際數(shù)據(jù)與預(yù)測(cè)結(jié)果的比較，證明灰色模型對(duì)于雙流機(jī)場(chǎng)貨、郵吞吐量的預(yù)測(cè)具有較高的精度。何國(guó)華［18］(2008）利用灰色預(yù)測(cè)模型對(duì)區(qū)域物流需求進(jìn)行了研究。潘英英[19]（2008）運(yùn)用灰色系統(tǒng)模型,對(duì)廣西物流中心貨運(yùn)需求量進(jìn)行了動(dòng)態(tài)預(yù)測(cè)。另外,還有學(xué)者針對(duì)灰色預(yù)測(cè)模型的不足，對(duì)其進(jìn)行了改進(jìn)，并將其應(yīng)用到物流需求預(yù)測(cè)中.如：周茵[20]（2007)針對(duì)GM（1,1）模型對(duì)離散度大的數(shù)據(jù)預(yù)測(cè)精度差的缺陷，將殘差灰色預(yù)測(cè)模型應(yīng)用到物流貨運(yùn)量預(yù)測(cè)中；吳振寧等[21]（2004）、王冠奎等［22］（2007）、胡云超等[23］（2007）利用馬爾可夫鏈對(duì)灰色模型進(jìn)行了改進(jìn)，并將其應(yīng)用到物流需求預(yù)測(cè)中。混沌是決定論系統(tǒng)所表現(xiàn)的隨機(jī)行為的總稱(chēng)，根源在系統(tǒng)內(nèi)的非線(xiàn)性交叉耦合作用，是一種回復(fù)性非周期運(yùn)動(dòng)。分形論是以復(fù)雜事物為研究對(duì)象的，包括線(xiàn)性分形和非線(xiàn)性分形?；煦缗c分形經(jīng)常被用于復(fù)雜系統(tǒng)中,國(guó)內(nèi)學(xué)者也有將其應(yīng)用到物流需求的預(yù)測(cè)中。如:毛良偉[24］（2003）將混沌動(dòng)力學(xué)應(yīng)用到宏觀物流預(yù)測(cè)中；楊瑞等［25］(2005)比較了現(xiàn)代常用的公路貨運(yùn)量預(yù)測(cè)方法的優(yōu)缺點(diǎn),研究了混沌理論對(duì)公路貨運(yùn)量的預(yù)測(cè)基本原理，構(gòu)思短中長(zhǎng)期貨運(yùn)量預(yù)測(cè)方法的可行性，并提出了研究方法和途徑;李紅啟[26]（2003）論證了分形理論用于鐵路貨運(yùn)量分析的可行性；聶偉[27]（2007）在已有研究的基礎(chǔ)上，提出了一種新的分形預(yù)測(cè)模型—等長(zhǎng)度遞補(bǔ)變維分形模型，并將其應(yīng)用到我國(guó)貨運(yùn)量及其構(gòu)成預(yù)測(cè)中。2．因果關(guān)系預(yù)測(cè)方法綜述因果關(guān)系預(yù)測(cè)方法是依據(jù)歷史資料找出預(yù)測(cè)對(duì)象的變量與其相關(guān)事物的變量關(guān)系，建立相應(yīng)的因果預(yù)測(cè)模型，利用事物發(fā)展的因果關(guān)系來(lái)推斷事物發(fā)展趨勢(shì)的預(yù)測(cè)方法。物流需求屬于派生需求,它是由經(jīng)濟(jì)發(fā)展本身帶來(lái)的，與經(jīng)濟(jì)的發(fā)展密切相關(guān)，隨著經(jīng)濟(jì)總量、產(chǎn)業(yè)結(jié)構(gòu)、資源分布等改變，物流需求量、需求結(jié)構(gòu)和層次也隨著發(fā)生變化［28],因此,許多學(xué)者利用有關(guān)經(jīng)濟(jì)的各項(xiàng)指標(biāo)來(lái)預(yù)測(cè)物流需求,常用的模型有彈性系數(shù)法、重力模型法、線(xiàn)性回歸模型、神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型等。彈性系數(shù)法是在對(duì)一個(gè)因素發(fā)展變化預(yù)測(cè)的基礎(chǔ)上,通過(guò)彈性系數(shù)對(duì)另一個(gè)因素的發(fā)展變化作出預(yù)測(cè)的一種間接預(yù)測(cè)方法［29]。喬向明等[30]（2004）以十年時(shí)間序列數(shù)據(jù)為依據(jù)，采用彈性系數(shù)法，對(duì)我國(guó)公路客貨運(yùn)量進(jìn)行中期預(yù)測(cè)研究.李慧等［31]（2006)選取交通區(qū)汽車(chē)保有量、客貨運(yùn)輸量、通道交通量統(tǒng)計(jì)資料與國(guó)內(nèi)生產(chǎn)總值作為彈性系數(shù)指標(biāo),進(jìn)行回歸確定彈性系數(shù)，對(duì)資瀘路(省道207線(xiàn))威遠(yuǎn)段改造工程工可交通量進(jìn)行了預(yù)測(cè)。于龍年[32］（2008）給出了物流量預(yù)測(cè)的兩種方法德?tīng)柗品ê蛷椥韵禂?shù)法.曹曉飛等[33]（2008)結(jié)合北京經(jīng)濟(jì)發(fā)展趨勢(shì)，運(yùn)用彈性系數(shù)法對(duì)機(jī)動(dòng)車(chē)保有量進(jìn)行了預(yù)測(cè).重力模型法認(rèn)為區(qū)與區(qū)之間的交通分布受到地區(qū)間距離、運(yùn)行時(shí)間、費(fèi)用等所有交通阻抗的影響，即區(qū)與區(qū)之間的出行分布同各區(qū)對(duì)出行的吸引成正比，而同區(qū)之間的交通阻抗成反比（該模型與牛頓萬(wàn)有引力公式相類(lèi)似,并因此而得名）。蔣仁才［34］（1987)利用重力模型對(duì)鐵路貨流分布進(jìn)行了預(yù)測(cè)。詹燕等[35］（2000）介紹了重力模型法的原理及其在交通分布預(yù)測(cè)中的應(yīng)用前景,并通過(guò)實(shí)例比較了Furness法和重力模型改進(jìn)法的運(yùn)用差別。蔡若松等［36](2002）、楊天寶等［37］（2006）、肖文剛等［38］(2007）在交通預(yù)測(cè)的實(shí)際應(yīng)用中對(duì)重力模型進(jìn)行了改進(jìn)。另外,還有學(xué)者提出逆向重力模型[39］、模糊重力模型［40］等，并將其利用到交通預(yù)測(cè)中。回歸分析研究因變量對(duì)一個(gè)或多個(gè)自變量的依賴(lài)關(guān)系，其用意在于通過(guò)后者的已知值，去估計(jì)或預(yù)測(cè)前者的總體均值（古扎拉蒂，1995）.物流需求屬于派生需求，它是由經(jīng)濟(jì)發(fā)展本身帶來(lái)的,與經(jīng)濟(jì)的發(fā)展密切相關(guān)，文獻(xiàn)[28]根據(jù)上海市經(jīng)濟(jì)指標(biāo)數(shù)據(jù)得出了物流需求指標(biāo)與其他指標(biāo)的相關(guān)性系數(shù)矩陣,證明其間有極強(qiáng)的線(xiàn)性相關(guān)性。因此，許多學(xué)者將線(xiàn)性回歸模型應(yīng)用到物流需求預(yù)測(cè)中，如：王桂霞等［41］（2001）應(yīng)用多元線(xiàn)性回歸預(yù)測(cè)模型等對(duì)內(nèi)蒙古交通運(yùn)輸貨運(yùn)量及貨運(yùn)周轉(zhuǎn)量進(jìn)行了預(yù)測(cè)；劉勁等［3］（2002）在右江那吉航運(yùn)樞紐工程貨運(yùn)量預(yù)測(cè)中應(yīng)用到多元回歸模型;林洪[42]（2002）、李慧［43］（2004)、王小萃［44]（2007）、陳智剛等［45]（2007）、楊琳等［46］（2007)、楊帥［47]（2007）、趙衛(wèi)艷等[48](2007）都將線(xiàn)性回歸模型應(yīng)用到物流需求預(yù)測(cè)中.人工神經(jīng)網(wǎng)絡(luò)作為一種并行的計(jì)算模型,具有傳統(tǒng)建模方法所不具備的很多優(yōu)點(diǎn),有很好的非線(xiàn)性映射能力。對(duì)被建模對(duì)象的先驗(yàn)知識(shí)要求不多,一般不必事先知道有關(guān)被建模對(duì)象的結(jié)構(gòu)、參數(shù)、動(dòng)態(tài)特性等方面的知識(shí),只需給出對(duì)象的輸入、輸出數(shù)據(jù)，通過(guò)網(wǎng)絡(luò)本身的學(xué)習(xí)功能就可以達(dá)到輸入與輸出的完全符合［49-50]。針對(duì)物流需求預(yù)測(cè)中存在著非線(xiàn)性性，國(guó)內(nèi)許多學(xué)者將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到物流需求預(yù)測(cè)中。張擁軍等[51］（1999）從交通運(yùn)輸需求的角度描繪了交通運(yùn)輸需求與國(guó)民經(jīng)濟(jì)的一些主要經(jīng)濟(jì)變量的相關(guān)關(guān)系,基于這些相關(guān)關(guān)系建立了交通運(yùn)輸需求預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型,利用誤差反向傳播算法實(shí)現(xiàn)了由這些因素到運(yùn)輸系統(tǒng)需求的復(fù)雜映射，并進(jìn)行了實(shí)例驗(yàn)證分析.王隆基等[52]（2004）、牛忠遠(yuǎn)[53]（2006）、繆桂根［54]（2007)、耿勇等［55］（2007）、郭紅霞等[56]（2007）針對(duì)傳統(tǒng)物流預(yù)測(cè)方法的局限,研究了基于BP模型神經(jīng)網(wǎng)絡(luò)的物流預(yù)測(cè)方法，即依據(jù)歷史數(shù)據(jù)建立BP神經(jīng)網(wǎng)絡(luò)然后進(jìn)行訓(xùn)練形成物流預(yù)測(cè)模型。白晨明等[57］(2004)依據(jù)已有的內(nèi)、外回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及其算法，利用它們的良好特性,提出了對(duì)角回歸神經(jīng)網(wǎng)絡(luò)滾動(dòng)預(yù)測(cè)模型及其機(jī)場(chǎng)物流預(yù)測(cè)系統(tǒng)。趙闖等[58]（2004）、后銳等［59］(2005)將廣義神經(jīng)網(wǎng)絡(luò)應(yīng)用到物流需求預(yù)測(cè)中.支持向量機(jī)（SVM)的基本思想是通過(guò)用內(nèi)積函數(shù)定義的非線(xiàn)性變換將輸入空間變換到一個(gè)高維空間，在這個(gè)高維空間中尋找輸入變量和輸出變量之間的一種非線(xiàn)性關(guān)系.支持向量機(jī)有嚴(yán)格的理論基礎(chǔ)，是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的方法，明顯優(yōu)于傳統(tǒng)的基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則的常規(guī)神經(jīng)網(wǎng)絡(luò)方法。其算法是一個(gè)凸二次優(yōu)化問(wèn)題，保證找到的解是全局最優(yōu)解，能較好的解決小樣本、非線(xiàn)性、高維數(shù)等實(shí)際問(wèn)題。問(wèn)題的復(fù)雜度不取決于特征的維數(shù)，且具有良好的推廣能力，正在成為繼神經(jīng)網(wǎng)絡(luò)研究之后的研究熱點(diǎn)。針對(duì)我國(guó)現(xiàn)階段物流系統(tǒng)樣本量少的具體狀況以及神經(jīng)網(wǎng)絡(luò)模型的局限性，越來(lái)越多的學(xué)者將支持向量機(jī)應(yīng)用到物流需求預(yù)測(cè)中。唐偉鴻等[60]（2005）采用基于時(shí)間序列的支持向量機(jī)進(jìn)行了物流量預(yù)測(cè)。龐明寶等［61,62］（2007,2008）分別用非線(xiàn)性支持向量機(jī)和基于偏最小二乘支持向量機(jī)回歸模型對(duì)區(qū)域物流量進(jìn)行了預(yù)測(cè)研究。胡燕祝等[63]（2008）從物流與經(jīng)濟(jì)的關(guān)系著手分析，建立了基于支持向量回歸機(jī)的物流需求預(yù)測(cè)模型。3．組合預(yù)測(cè)方法綜述不同預(yù)測(cè)方法的精度和側(cè)重點(diǎn)存在差異，因此可將幾種預(yù)測(cè)方法按一定的比例結(jié)構(gòu)進(jìn)行組合預(yù)測(cè).自從Bates和Granger在20世紀(jì)60年代首次提出組合預(yù)測(cè)理論以來(lái)，對(duì)組合預(yù)測(cè)方法的研究和應(yīng)用發(fā)展很快，采用組合預(yù)測(cè)模型可以克服單一模型的局限性,盡可能提高預(yù)測(cè)的精度。吳守榮［64］(1999）利用灰色預(yù)測(cè)模型和回歸模型組合模型對(duì)山東省公路機(jī)動(dòng)車(chē)貨運(yùn)量及運(yùn)力進(jìn)行了預(yù)測(cè)。黃榮富等[7]（2003）以某港口近15a的貨物吞吐量作為原始數(shù)據(jù)，在采用回歸分析法和3次指數(shù)平滑法預(yù)測(cè)今后10a港口吞吐量的基礎(chǔ)上，以“誤差絕對(duì)值之加權(quán)和最小”作為最優(yōu)準(zhǔn)則，建立組合預(yù)測(cè)模型，并將其應(yīng)用到某港口貨物吞吐量預(yù)測(cè)中。初良勇等［65］（2004）建立了回歸分析、灰色系統(tǒng)及神經(jīng)網(wǎng)絡(luò)方法的物流需求單項(xiàng)預(yù)測(cè)模型,并以誤差絕對(duì)值加權(quán)和最小為最優(yōu)化準(zhǔn)則建立了物流需求組合預(yù)測(cè)模型,并輔以實(shí)例進(jìn)行分析和驗(yàn)證。趙剛等[66］（2005)利用一元線(xiàn)性回歸和GM（1，1）組合模型對(duì)港口吞吐量進(jìn)行了預(yù)測(cè)。武驍?shù)龋?7]（2005)、姚智勝等［68］（2007）分別提出一種基于支持向量機(jī)的物流預(yù)測(cè)模型,并進(jìn)行了實(shí)證研究。張?jiān)瓶档萚8］（2008)根據(jù)寧波港集裝箱吞吐量的歷史數(shù)據(jù),建立了時(shí)間序列的三次指數(shù)平滑模型、灰色系統(tǒng)預(yù)測(cè)模型等單項(xiàng)預(yù)測(cè)模型，并采用線(xiàn)性規(guī)劃的方法確定其最優(yōu)組合的權(quán)重，并對(duì)寧波港集裝箱吞吐量加以預(yù)測(cè)和分析。郁小鋒等［69]（2008）建立了三次指數(shù)平滑、趨勢(shì)外推和灰色系統(tǒng)等單項(xiàng)預(yù)測(cè)模型,并提出了以誤差絕對(duì)值加權(quán)和最小為最優(yōu)化準(zhǔn)則的組合預(yù)測(cè)模型，運(yùn)用主成分分析的思想來(lái)確定組合的權(quán)系數(shù)。劉婷婷等［70］（2008）提出模糊神經(jīng)網(wǎng)絡(luò)非線(xiàn)性組合預(yù)測(cè)模型,應(yīng)用三次指數(shù)預(yù)測(cè)模型、灰色理論預(yù)測(cè)模型、多元回歸預(yù)測(cè)模型的預(yù)測(cè)值作為模糊神經(jīng)網(wǎng)絡(luò)的測(cè)試樣本數(shù)據(jù)庫(kù),輸出樣本為鐵路貨運(yùn)量，并采用全局優(yōu)化的粒子群算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)。李斌等［71］（2008）采用歷史平均模型、RBF神經(jīng)網(wǎng)絡(luò)、灰色預(yù)測(cè)法分別建立了天津市某路口交通流量的單項(xiàng)預(yù)測(cè)模型，然后利用支持向量機(jī)模型對(duì)多個(gè)單項(xiàng)預(yù)測(cè)模型結(jié)果進(jìn)行了組合預(yù)測(cè)，以作為其最終的預(yù)測(cè)值.除了以上物流需求預(yù)測(cè)方法以外，還有其他預(yù)測(cè)方法,例如時(shí)交叉影響模型、投入產(chǎn)出模型［72]、聯(lián)機(jī)分析處理法［73]、價(jià)值量法［2］和集對(duì)聚類(lèi)預(yù)測(cè)模型［74］等。

參考文獻(xiàn)：［1]云俊．物流園區(qū)預(yù)測(cè)方法及應(yīng)用研究[D]．武漢理工大學(xué)碩士論文集，2003，09．[2］劉秉鐮．基于價(jià)值量的物流需求分析與預(yù)測(cè)方法研究［J]．中國(guó)軟科學(xué),2004（05）：66-73．［3］劉勁，謝濤．右江那吉航運(yùn)樞紐工程貨運(yùn)量分析預(yù)測(cè)方法［J]．廣西交通科技，2002，27(4）：81-83．［4］楊榮英，張輝,苗張木．物流預(yù)測(cè)技術(shù)中的移動(dòng)平均線(xiàn)方法[J］．武漢理工大學(xué)學(xué)報(bào)（交通科學(xué)與工程版），2001，25(03）：353-355．[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(cè)［J]．安徽師范大學(xué)學(xué)報(bào)(自然科學(xué)版），2003，26（02）:186-190．［6]韋司瀅,張金隆，鮑玉昆．物資配送需求預(yù)測(cè)的分析［J]．物流技術(shù)，1999（3）：19—20．［7]黃榮富，陳亞?wèn)|，潘?。M合預(yù)測(cè)技術(shù)在港口吞吐量預(yù)測(cè)中的應(yīng)用研究[J］．水運(yùn)工程，2003，352(5）：25—27．［8]張?jiān)瓶?，張曉宇．組合預(yù)測(cè)模型在寧波港集裝箱吞吐量預(yù)測(cè)中的應(yīng)用［J]．中國(guó)水運(yùn)，2008,08（01）：33-34．［9]黃麗．隨機(jī)時(shí)間序列模型在物流需求預(yù)測(cè)中的應(yīng)用［D]．武漢大學(xué)碩士論文集,2004，09．[10］賴(lài)一飛，鄭清秀，章少?gòu)?qiáng),紀(jì)昌明．灰色預(yù)測(cè)模型在水運(yùn)貨運(yùn)量預(yù)測(cè)中的應(yīng)用[J］．武漢水利電力大學(xué)學(xué)報(bào)，2000，31（01）:96—99．[11]張存祿，黃培清．武漢地區(qū)物流發(fā)展水平灰色預(yù)測(cè)[J]．工業(yè)技術(shù)經(jīng)濟(jì),2001（05）：32—35．[12］張鵬，花戀．灰色模型預(yù)測(cè)技術(shù)在公路物流預(yù)測(cè)中的應(yīng)用[J］．交通企業(yè)管理,2001（12)：25—27．[13］林樺．物流園區(qū)的貨流預(yù)測(cè)研究[J］．武漢理工大學(xué)學(xué)報(bào)，2002,24（04）：97—100．[14］劉芳，高波，GolinovaS．F．灰色序列模型在物流園區(qū)貨運(yùn)量預(yù)測(cè)中的應(yīng)用[J］．成組技術(shù)與生產(chǎn)現(xiàn)代化，2005，22（4)：22—24．［15]黃智星．灰色預(yù)測(cè)算法在物流園區(qū)需求預(yù)測(cè)中的應(yīng)用與改進(jìn)［D］．北京交通大學(xué)碩士論文集，2007．[16]柴大勝，黃智星，申金升．灰色預(yù)測(cè)算法在物流園區(qū)需求預(yù)測(cè)中的應(yīng)用[J]．物流技術(shù),2007，26（8）：73—75，109．[17]林小平，袁捷．基于灰色模型的成都雙流機(jī)場(chǎng)物流預(yù)測(cè)[J］．武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版）,2007（03）:457-459．［18］何國(guó)華．區(qū)域物流需求預(yù)測(cè)及灰色預(yù)測(cè)模型的應(yīng)用［J]．北京交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版)，2008（01)：33—37．［19］潘英英，宋國(guó)喜．基于灰色系統(tǒng)理論的廣西物流需求預(yù)測(cè)模型［J]．廣西財(cái)經(jīng)學(xué)院學(xué)報(bào)，2008（01）：26-29．［20］周茵．殘差灰色預(yù)測(cè)模型在物流需求預(yù)測(cè)中的應(yīng)用［J]．2007（11）：59—61．［21］吳振寧，黎青松，梁濤,董文龍．基于灰色Markov鏈配送中心物流量的預(yù)測(cè)[J］．西華大學(xué)學(xué)報(bào)(自然科學(xué)版），2004，23(S1)：123-125．［22］王冠奎，董艷．基于灰色馬爾可夫模型的物流園區(qū)物流量預(yù)測(cè)研究[J]．物流科技，2007,02：1—4．[23]胡云超，雷黎，紀(jì)壽文．基于Markov鏈的物流園區(qū)需求灰色預(yù)測(cè)模型改進(jìn)[J］．物流科技,2007（08）：1—3．［24］毛良偉．混沌動(dòng)力學(xué)在宏觀物流預(yù)測(cè)中的運(yùn)用［J］．技術(shù)經(jīng)濟(jì)，2003（05）：32-35．[25]楊瑞,張那，陸懷民．基于混沌理論對(duì)公路貨運(yùn)量預(yù)測(cè)方法的研究[J]．黑龍江交通科技，2005(02）：92—93．［26］李紅啟，劉凱．基于分形理論的鐵路貨運(yùn)量預(yù)測(cè)［J]．鐵道學(xué)報(bào)，2003，25(3）:19-24．［27]聶偉，邵春福,楊勵(lì)雅,牛學(xué)軍．分形理論在貨運(yùn)量預(yù)測(cè)中的應(yīng)用探討[J]．物流技術(shù)，2007，（02)：104-106，109．[28］楊浩．區(qū)域經(jīng)濟(jì)和區(qū)域物流需求的預(yù)測(cè)研究[D]．對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)碩士論文集,2005，06．［29]胡堅(jiān)．經(jīng)濟(jì)預(yù)測(cè)講座(八）—彈性系數(shù)法在需求預(yù)測(cè)中的應(yīng)用[J]．北京統(tǒng)計(jì)，1998（08）:45—46．［30］喬向明，董梅，張明香．基于彈性系數(shù)法的全國(guó)公路客貨運(yùn)量預(yù)測(cè)研究［J]．華東公路，2004（05）：87-90．［31］李慧,林榮娜．彈性系數(shù)法在公路工可交通量預(yù)測(cè)中的應(yīng)用[J］．西華大學(xué)學(xué)報(bào)(自然科學(xué)版）,2006，25（05）:28—29,47．[32]于龍年．關(guān)于鐵路物流中心物流量預(yù)測(cè)的探討[J］．科技創(chuàng)新導(dǎo)報(bào),2008(19）:190—191．[33］曹曉飛，邵春福．運(yùn)用彈性系數(shù)法預(yù)測(cè)北京機(jī)動(dòng)車(chē)保有量［J]．道路交通與安全，2008，08（04）：31-34．［34］蔣仁才，劉瑞林．逐步回歸方法和重力模型在貨運(yùn)量預(yù)測(cè)中的應(yīng)用［J]．中國(guó)鐵道科學(xué)，1987,（01)．[35]詹燕，李碩．重力模型在交通分布預(yù)測(cè)中的應(yīng)用［J]．湖南交通科技，2000，26(02）：65-66，71．［36］蔡若松，李默涵．重力模型在未來(lái)交通分布預(yù)測(cè)中的應(yīng)用［J］．丹東紡專(zhuān)學(xué)報(bào)，2002,09（02）：23—24．［37]楊天寶，劉軍．應(yīng)用改進(jìn)重力模型法預(yù)測(cè)鐵路行包OD運(yùn)量的研究［J］．鐵道運(yùn)輸與經(jīng)濟(jì)，2006（03）：31—34．［38]肖文剛，陳金泉．重力模型改進(jìn)在交通分布預(yù)測(cè)中的應(yīng)用[J]．科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2007，17(12)：200—201．［39]劉曉明，夏洪山．基于逆向重力模型的樞紐機(jī)場(chǎng)旅客吞吐量估計(jì)方法［J]．交通運(yùn)輸工程學(xué)報(bào)，2008，08（02）:85-89．［40]朱順應(yīng)，管菊香,王紅，李安勛，嚴(yán)新平．交通分布預(yù)測(cè)模糊重力模型[J］．東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2008，38（04)：727-731．［41]王桂霞,何滿(mǎn)喜，米宇平．內(nèi)蒙古交通運(yùn)輸貨運(yùn)量及貨運(yùn)周轉(zhuǎn)量的預(yù)測(cè)[J］．內(nèi)蒙古師大學(xué)報(bào)(自然科學(xué)漢文版）,2001，30（2）：114—118．[42]林洪．廣東物流業(yè)發(fā)展?fàn)顩r評(píng)價(jià)及趨勢(shì)預(yù)測(cè)［J]．番禺職業(yè)技術(shù)學(xué)院學(xué)報(bào),2002，01（03）:34—37．［43］李慧．線(xiàn)性回歸預(yù)測(cè)與控制在物流作業(yè)成本法中的應(yīng)用［J]．重慶交通學(xué)院學(xué)報(bào)，2004,23（06）:115—117．[44]王小萃．城市物流需求量的回歸模型［J]．中國(guó)水運(yùn)，2007，05（07）：201—202．［45］陳智剛,朱鼎勛，何淼．基于的昆明市第三方物流市場(chǎng)需求預(yù)測(cè)分析［J］．昆明冶金高等專(zhuān)科學(xué)校學(xué)報(bào),2007（06）：30—33．［46］楊琳，劉忠波．一元線(xiàn)性回歸模型在預(yù)測(cè)物流需求的應(yīng)用[J]．商業(yè)文化(學(xué)術(shù)版)，2007（10）：173-175．［47］楊帥．武漢市物流需求預(yù)測(cè)［J］．當(dāng)代經(jīng)濟(jì)（下半月），2007（10）：106-107．[48］趙衛(wèi)艷,谷雪松．線(xiàn)性回歸模型在貨運(yùn)量預(yù)測(cè)中的應(yīng)用［J]．山西建筑，2007，33（09）：248-249．[49］邢文訓(xùn)，謝金星．現(xiàn)代優(yōu)化計(jì)算方法[M］．北京：清華大學(xué)出版社，1999．[50]韓力群．人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M]．北京：化學(xué)工業(yè)出版社,2002．［51］張擁軍,葉懷珍，任民．神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)運(yùn)輸貨運(yùn)量［J]．西南交通大學(xué)學(xué)報(bào)（自然科學(xué)版)，1999，34（05）：602-605．[52]王隆基，張仲鵬，孫曉霞．基于BP神經(jīng)網(wǎng)絡(luò)的物流預(yù)測(cè)方法[J]．機(jī)械，2004，31(03):4-5,9．［53]牛忠遠(yuǎn)．我國(guó)物流需求預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型和實(shí)證分析研究［D]．浙江大學(xué)碩士論文集,2006．07．[54］繆桂根．基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)的區(qū)域物流需求量預(yù)測(cè)［J]．中國(guó)水運(yùn)（理論版)，2007（05）:131-132．[55］耿勇，鞠頌東，陳婭娜．基于BP神經(jīng)網(wǎng)絡(luò)的物流需求分析與預(yù)測(cè)[J]．物流技術(shù)，2007,26(7）：35—37,73．[56］郭紅霞．基于BP神經(jīng)網(wǎng)絡(luò)的物流需求量預(yù)測(cè)框架設(shè)計(jì)[J］．鐵道運(yùn)輸與經(jīng)濟(jì)，2007，29（11）：68—70．［57]白晨明，孟建軍，周曉麗,蔣兆遠(yuǎn)．神經(jīng)網(wǎng)絡(luò)在機(jī)場(chǎng)物流預(yù)測(cè)中的應(yīng)用研究［J]．蘭州交通大學(xué)學(xué)報(bào)，2004，23(03)：39-43．[58]趙闖，劉凱,李電生．基于廣義回歸神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測(cè)［J］．鐵道學(xué)報(bào)，2004，26（1）：12