马睿

[摘要]物流货运量是衡量物流行业发展快慢的重要指标。针对不确定影响因素较多的物流货运量预测采用传统GM（1，1）模型预测，预测结果精准度较低。针对该问题，提出了基于马尔科夫原理的GM（1，1）模型，进行物流货运量预测研究与分析应用。根据马尔科夫GM（1，1）模型原理，以近几年的某地物流货运量为研究数据，通过实际应用研究结果可知，该方法预测效果较好，为研究物流发展提供参考。

[关键词]马尔科夫链;GM（1，1）模型;物流货运量

[DOI]1013939/jcnkizgsc202009169

1引言

随着现代物流业的快速发展，物流货运量也在不断地增长。影响物流发展的重要因素是物流货运量的增长速度，物流货运量的多少决定了物流企业的经济状态。物流主要是通过铁路、航空、水路和公路进行货物周转和运输。在现代高速发展的国际物流和国内物流中，由于物流货运量数据繁杂，对于货运量统计存在着很大难度，也造成统计的数据缺乏精准度。[1]为了满足日益增长的物流需求，推动物流行业的快速发展，建立合理的物流货运量的预测模型是非常重要的。为了加快物流业的快速发展，在规划物流体系的建设上实行改革创新，通过科学合理的马尔科夫GM （1，1） 预测模型对物流货运量进行预测，对物流系统的应用效果加以完善，使模型的预测准确值达到标准，同时要加强物流业的管理和建设，促进我国物流业的快速发展。[2]

2马尔科夫GM（1，1）模型

21马尔科夫GM（1，1）模型原理

马尔科夫灰色模型预测原理是：①对最初特征数据进行处理，生成具有较强规律性的数据序列。②计算灰方程参数，建立相应的灰色微分方程。③建立GM（1，1）预测模型，由预测模型做第一次预测。④将马尔科夫理论与预测模型结合，进一步对模型优化改进，通过利用马尔科夫原理将数据划分状态，建立状态转移矩阵。⑤通过马尔科夫原理获取待预测年份所处状态的边界值，计算出预测年度的预测修正值，进而得到预测值。

由预测原理可知，该过程是随机的，因此，马尔科夫预测过程是一个随机变动过程，事物每一次变动结果都是具有状态转移的无后效性。对马尔科夫进行分析可知，该过程是由一种状态随机转变为另一种状态，即为转移过程。根据该过程，能够分析事物转移狀态相关属性，进而确定前状态、后状态和转移状态三者之间的关系，即为预测事物变动结果，依据此来预测物流货运量未来几年变动情况。

22模型应用——物流货运量预测

随着物流业迅速发展，某地区实际货运量也呈上升趋势，对该地区实际货运量进行量化处理，分析物流货运量如表1所示。

由表1可看出，某地区实际物流货运量出现了逐年递增趋势，在年份为2012、2013、2018时货运量变化较大。该数据是由官方提供的真实性数据，结合某地区实际物流货运量，预测方法具体实现步骤如下所示。

在预测前先把数据进行规划处理，运用实际物流货运量的数据进行预测实验。计算灰色预测模型的灰数，得出灰色预测模型。用数学语言描述随机过程，将时间集合，保证状态空间是离散的，由此获取时间状态离散集，在规定时间内，统计离散集下的概率，利用马尔科夫原理将数据划分状态，建立状态转移矩阵。当时间系统处于一个状态时，每个状态都具有n个转向，由此计算该状态下的概率，即系统在规定时间内系统处于状态空间条件下的条件概率，集合一步转移概率形成状态概率矩阵。由一步转移概率转向为k步转移概率，进而形成k步转移概率矩阵。通过马尔科夫原理得出预测年份所处状态的边界值，进而计算出预测年份的修正值，再计算出预测值。

3结果分析

针对研究的马尔科夫GM（1，1）模型的物流货运量预测方法有效性进行实验验证分析，以某市为研究对象预测，将传统方法与所提方法的预测精准度进行对比分析。采用传统预测方法准确度不高，始终低于80%，而采用马尔科夫灰色预测法预测准确度较好，始终高于85%。传统方法预测的准确度在2015年时达到最高为80%，在2012年时是最低为74%;马尔科夫灰色预测法预测准确度最高在2017年时为94%，最低在2013年为85%。

4结论

在现阶段的物流企业系统运行中，物流货运量在运输、周转等过程中作为基础数据，通过应用马尔科夫GM（1，1）模型预测能够对物流货运量进行合理性分析，进而提高预测结果精准度。物流企业在实际应用中，可以根据企业的实际情况进行修改和完善，建立更精确的预测模式，确保预测值的准确性，满足物流企业需求。采用合理预测能够帮助企业稳定经营，这是保障物流行业稳定发展的前提，也是物流企业运营的关键。虽然采用马尔科夫GM（1，1）预测，能够改变采用传统方法预测精准度低的问题，但影响物流货运量的因素还有很多，在文章研究模型中未做出假设。因此，在不同的环境下对物流货运量进行预测还有进一步对模型改进的空间。

参考文献：

[1]时冬青， 宋文华， 张桂钏，等 基于灰色GM（1，1）-马尔科夫模型的职业病预测研究[J]. 中国安全生产科学技术， 2017， 13（4）：176-180

[2]张志明 基于新陈代谢-GM（1，N）马尔科夫的轨道交通客运量预测方法[J]. 公路交通科技， 2018， 35（12）：145-154

[3]赵振武， 麻建军 基于灰色马尔科夫模型的机场安检危险品数量预测[J]. 安全与环境学报， 2017， 17（1）：51-53

[4]纪伊琳， 钱政 基于残差补偿灰色马尔科夫模型的校准间隔预测方法[J]. 电测与仪表， 2017， 54（21）：13-17

[5]严雪晴 基于灰色模型的广东高技能物流人才供需预测研究[J]. 数学的实践与认识， 2017， 47（17）：313-320