夏 田，邓 萌

（陕西科技大学 机电工程学院，陕西 西安 710021）

1 引言

汽车制造业第三方物流安全库存作为保证制造生产而储备的库存量，不仅影响第三方物流投入成本、物流成本和企业效益，而且保障着整个汽车供应链的高效与顺畅运行，因此对其进行合理预测和设置尤为必要。而在汽车供应链中，参与主体多、地域范围广、中间环节多、信息流通复杂、行业要求高等特征，使安全库存的预测受多种非线性相关因素影响，增加了汽车制造业第三方物流安全库存预测难度。

目前，对安全库存的预测主要分为两类方法，第一类通常采用统计方法，通过对安全库存历史数据的分析、以及从业者的经验判断进行安全库存的预测，其人为干扰性强，安全库存客观参量的选取没有统一标准，预测误差较大，不利于推广运用；第二类方法通过建立各种模型进行安全库存的预测，大大增加了预测的准确性和科学性，减少了人为干扰性，运用算法主要包括BP神经网络算法、混沌神经网络算法等[1]，较少使用支持向量机算法，其中模型输入参量数量多、重复性高，缺少对制造商与仓库属性的描述参量，且仅限于安全库存数据的预测，缺少对影响安全库存客观参量的定量研究。针对现有模型中神经网络算法易受网络结构和样本复杂性影响、描述参量不全面、不适用于成立期或发展期的第三方物流等问题，同时针对准确度以及实际使用价值方面，提出一种运用最小二乘支持向量机（Support Vector Machine，SVM）算法的第三方物流安全库存预测与参量权重计算相结合的闭环双向模型。……