摘 要

在一般的自然系统之中，我们所能得知的信息是有限的，不完整的。这种系统间信息既不是完全未知，又不是全部已知的系统称之为灰色系统。随着研究的不断加深，人们现今对灰色系统的研究不断深化，并创造性的提出了一系列理论来作为研究基础。灰色系统理论研究的问题特点是“小样本”“少数据”，并且能够通过对这些数据的研究，从少量的样本中提取出有价值的信息，实现对系统中某一要素的变化趋势的预测、探索。

本文先介绍了灰色预测理论的产生、理论概念和研究现状。再探讨灰色预测理论的优缺点，最后建立灰色预测模型。结合实际，对甘肃省的物流市场上的公路货物运输物流需求量进行预测。通过预测结果，对灰色预测方法进行简单评价。并结合自己所学的物流管理知识，以运输企业管理者的角度来试着分析灰色预测理论如何应用于物流管理活动中，对企业将会产生哪些有利影响。

关键词：灰色预测；物流需求量；GM(1,1)模型

Abstract

In ordinary natural systems, the information we have is limited and incomplete. This kind of information between systems is neither completely unknown, nor is it completely known systems called gray system. With the deepening of the research, people are deepening their research on the grey system, and creatively put forward a series of theories as the research basis. Problem feature of grey system theory research is "a few according to" "small sample", and can through the study of the data, from a small amount of sample extract valuable information, a factor in system, the change trend of prediction and explore.

This paper first introduces the emergence, theoretical concept and research status of grey prediction theory. Then the advantages and disadvantages of grey prediction theory are discussed. Finally, the grey prediction model is established. Combined with the actual situation, the demand of road freight transportation logistics in the logistics market of Gansu province is predicted. Through the prediction results, the grey prediction method is simply evaluated. And combined with their learned knowledge of logistics management, in the perspective of transport enterprise managers how to try to analyze the gray prediction theory is applied to the logistics management activities, which will produce a beneficial effect to the enterprise.

Key Words： Grey forecast; logistics demand; GM(1,1) model

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景 1

1.2 研究目的和意义 1

1.3 国内外研究现状 2

1.4 课题研究内容 3

第2章 灰色预测理论综述 6

2.1 灰色预测理论 6

2.2 灰色预测理论优缺点分析 8

第3章 物流需求预测与灰色预测建模 9

3.1物流需求预测 9

3.2基本GM(1,1)模型 10

3.2.1建立GM（1,1）模型 10

3.2.2 GM（1,1）模型检验 11

3.3 实例分析论证 12

3.3.1实例问题描述及分析 12

3.3.2实例模型验证 13

第4章 结论 16

4.1总结 16

4.2展望 17

4.3经济性与环保性分析 17

参考文献 19

致 谢 20

第1章 绪论

1.1 研究背景

“物流”这一概念自八十年代初经由日本引入我国以来，随着我国经济的腾飞，物流行业在我国得到了迅速的发展，在各类的经济活动中扮演了越来越重要的角色。然而，我国的物流作为一个外来新兴行业，相比于发达国家的物流，发展时间较短、成熟度较为落后。物流科学的完整体系亟待建设，虽然已经有一部分专家、学者开始意识到了物流对于国民经济的重要性，但目前我国的物流建设情况仍然不容乐观。现如今国内系统性的物流学科仍未建立，物流理论的研究也相对落后，这对我国物流行业的发展是极为不利的。众所周知，一个国家社会物流费用占GDP的百分比可以揭示该国的物流发展水平。如今我国的社会物流费用与GDP的比值虽逐年下降，但仍高于发达国家的比值。这说明我国的物流业还有极大的进步空间，物流有着“第三利润的源泉”的说法，社会物价的部分构成就是物流成本。如果能够切实发展好物流，将我国的物流行业打造到能与发达国家物流比肩的程度，那么企业在创造营业利润的同时，社会总物价将能够降低到一定水准，提高人们的生活水平。如今是一个经济全球化的时代，物流在全球化的企业中发挥着重要的作用，国内企业想要“走出去”，离不开物流的支撑。对外贸易的发展，很多外部条件都能够对物流产生影响，比如外部需求衰退、通货膨胀等。其中，对于经营物流运输领域的公司，预测是极为重要的。如果能较为准确的得到一个物流需求量，那么公司就能根据该需求量合理分配投资、安排产能、满足运输需求、管理未来收入和成本、解决供应链问题，从而增加企业的行业竞争力。

1.2 研究目的和意义

综上，选择一个合适的方法来对物流需求进行预测，以期提高物流管理的绩效，势在必行。本文采用灰色预测模型来对物流需求进行预测，原因是虽然市场上过去以及现在的物流需求等条件可以获得，但有些影响因素却是不明朗的，有时候政策、气候等外部条件都可能成为影响物流需求的因素。这种部分条件已经知晓，另一部分条件却完全不明朗的情况下，很适合应用灰色预测理论来对物流市场上的需求情况进行建模预测。即市场上的物流需求是动态变化的，影响它的因素多种多样，灰色系统能更好的描述这种影响因素不完整的情况。将物流市场视为一个灰色系统，而市场物流需求则作为我们将要研究的一个系统内部研究对象，运用灰色预测理论来对物流市场上的物流需求情况进行预测分析，并将最终分析的结果反馈到企业的物流管理活动当中，决策者可以根据预测结果调整产能、制定价格以及管理成本。在节省自身物流活动中不必要的损耗，减轻由于需求信息不明朗而可能给企业带来的危害的同时，降低自身的物流总成本。一方面通过灰色预测行为促进企业自身的良好发展，而另一方面，若是每个企业都能做到降低自身的物流成本，那么总体上的国家物流总费用也会相应的减少，从而提高人们的生活水平，推动国家物流事业的发展。

1.3 国内外研究现状

自我国学者邓聚龙教授于1982年提出灰色系统理论以来，该理论引起了国内外学者的广泛关注。在中国知网上以“灰色预测”作为关键字进行检索，发现自该理论提出以来直至现在，涉及到有关灰色预测的研究或者是灰色预测的应用的学术文章、期刊杂志、外文文献以及会议的数量，分别为23127、16577、5220、664。覆盖的学科包括农业科学应用、经济管理分析、矿业工程实例、教育科学推广等。其中的文章绝大多数都是具体性的对灰色预测系统理论应用到有关学科的实例分析，而对于灰色预测理论方法本身研究改进、提升预测精度等相关方面的研究性文献则相对较少。我国学者邓聚龙教授在1985年首创性的提出GM(1,1)模型，并对GM(1,1)模型建模条件进行了分析研究，之后提出了光滑比、级比检验等模型检验方法，以及多种多样的模型扩展形式。此后，许多学者对该模型进行了研究，使得模型性质以及预测精度等性能有了很大的提升。

王正新，党耀国，练郑伟三人在发表于期刊，中国管理科学上的《无偏GM(1,1)幂模型其及应用》一文中通过对无偏GM(1,1)幂模型及其参数优化，从理论上论证了无偏GM(1,1)幂模型对传统GM(1,1)幂模型及其本身的时间响应函数所表达的曲线进行模拟和预测具有重合性，其参数优化方法可以准确识别原始数据所蕴含的参数特性，完全消除了GM(1,1)幂模型自身固有的偏差^[1]。曾波，刘思峰，方志耕等在《灰色组合模型及应用》一文中，提出了一种基于灰色关联度GM(1,1)的灰色组合预测模型，从灰色关联度视角寻找数据之间的依赖关系，运用GM(1,1) 模型预测数据关系的未来发展趋势，进而建立因变量的预测模型，模型体现了回归分析基于事物因果关系的建模思想，同时又具有灰色理论小样本建模的特点^[2]。吉培荣等以白指数序列为研究对象，通过分析GM(1,1)预测白指数序列的模拟误差，给出了无偏GM(1,1)模型，无偏GM(1,1)预测白指数规律的序列不存在预测和模拟误差^[3]。罗党等利用齐次指数函数对一次累加生成序列进行拟合，进而构造了新的背景值公式，提高了预测精度^[4]。Deng-Ju Long通过对灰色预测GM(1,1)模型的建模思想的研究，给出了实际应用^[5]。Victor R.L.Shen，Yu-Fang Chung，Tzer-Shyong Chen将灰色预测模型应用在了信息安全领域[6]。