赵雪琴

【摘要】近年来，天猫双十一包裹量的增长呈现“S”形。灰色离散Verhulst模型是对灰色verhulst模型的优化，它不仅适用于具有饱和“S”型特征的数据序列，而且能消除由微分方程跳到差分方程时产生的误差，从而使预测精度更高。通过建立基于灰色离散verhulst模型，对天猫双十一包裹量进行中短期预测，可以为双十一当天第三方物流企业的物流资源规划与配置提供重要依据。

【关键词】离散 verhulst模型 双11包裹量 天猫

1 引言

2017年天猫双11全天产生的包裹量高达8.12亿个，导致短期内物流需求量暴增。第三方物流企业面对急剧增加的物流需求，常常“一忙就乱”，发货时间延迟、物流配送中心爆仓、物流运输及物流信息反馈不及时等问题层出不穷。因此，准确预测天猫双十一包裹量，有助于第三方物流企业提前对整体物流资源进行更加合理、高效的配置。

天猫双十一活动包裹量的增长呈现出饱和“S”形的特征，规律较为固定。灰色离散Verhulst模型是对灰色verhulst模型的优化，不仅对于近似饱和“S”型数据序列模型依然适用，且能消除由微分方程跳到差分方程时产生的误差使预测精度更高。因此，本文选择灰色离散Verhulst模型对天猫双十一包裹量进行预测。

2 基于灰色离散verhulst模型的天猫双+一包裹量预测

选择2011年到2017年天猫双十一包裹量作为原始数据（数据由中国电子商务研究中心每年官方发布的双十一数据整理而得）。原始数据为：

X（0）=[2200，7800，15200，27800，46700，65700，81200]

由于原始数据本身呈S形，因此可以直接取原始数据为X（1），建立verhulst模型