關于快遞行業中貨量預測方法的介紹

胡佳迎

摘要：隨著電商的興起，人們已經習慣在網上購物。隨之興起的便是物流快遞行業。對于各大快遞公司來說，如果能夠比較精確的預測淡旺季的貨量，便能夠提前安排好各個分撥中心的人力以及車線的運作。文章對四種貨量預測的方法進行簡單的介紹，定性預測，線性回歸預測，時間序列預測以及神經網絡預測，并對四種方法的優缺點做了分析。

關鍵詞：預測；貨量；定性預測；線性回歸；時間序列；神經網絡

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2018）08-0152-02

近年來，快遞行業隨著電商的興起業務量也大大增加，據國家郵政局統計，2017年11月份，全國快遞公司業務量完成47.1億件，同比增長25.2%。如此龐大的業務量對快遞公司來說的確是一個考驗，能否按時把快遞送到客戶手中，能否做到時效最優無疑成了各大快遞公司競爭的焦點。特別是面對雙十一，雙十二這種電商大促，如果快遞公司能做到比較精確的預測未來一段時間的貨量，那么就能夠提前安排各個分撥中心的人力以及全國路由車線的運作，避免出現爆倉等現象。

1貨量預測方法簡介

有關貨量預測的方法有很多，下面就分別介紹四種最常見的方法，定性預測，線性回歸預測，時間序列預測以及神經網絡預測，其中后面三種預測屬于定量預測。

1.1定性預測

所謂定性預測，就是相關做預測的人員或者管理人員根據過去的經驗，知識和直覺等對事物做出的預測。定性預測法不需詳細并且連續的歷史數據作為支撐，而且時效性更強，但是由于定性預測受主觀因素的影響比較大，我們很難確定其結果的可信度，而且誤差也無法估計。

現在有如表1所示兩行數據，要預測7/11號的貨量。第一行數據為日期，第二行數據為實際貨量（貨量單位：萬）：

根據定性預測法，有人會用1號到10號的均值（115）作為11號的預測值；也有人會覺得貨量是呈現上升趨勢的，應該增加一個增長率作為預測值。

可見，不同的人的預測結果是不一樣的，定性預測太主觀，需要相對精確的定量預測做支撐。

1.2線性回歸預測

簡單來說，線性回歸預測就是用線性函數去擬合已經觀測到的數值，從而達到對未觀測到的數值的預測，前提是變量之間為線性關系。線性回歸分為一元線性回歸和多元線性回歸，所謂一元線性回歸就是只有一個自變量，一個因變量；而多元線性回歸是指有多個自變量，一個因變量的情況。

1.3時間序列預測

時間序列是指把統計數據按照時間的先后順序排列所形成的數列，時間序列預測就是根據歷史數據的發展趨勢去預測未來的一種方法。

時間序列預測法包括簡單移動平均法，加權移動平均法，指數平滑法等。

在貨量預測中，我們發現指數平滑法的預測效果比較好。所謂指數平滑法，實際上一種特殊的加權移動平均法，它是在前期貨量的實際值和預測值的基礎上，利用事先確定的平滑系數預測未來貨量的一種方法。

1.4神經網絡預測

神經網絡是一種模仿動物神經網絡行為特征，進行分布式信息處理的數學模型。在結構上，它可以分為輸入層，輸出層和隱含層，其中，隱含層的節點和層數越多，則神經網絡越復雜。BP神經網絡是神經網絡的一種類型。它是一種多層前饋神經網絡，信號前向傳遞，誤差反向傳播，輸入信號從輸入層經隱含層逐層處理，直至輸出層，每一層的神經元狀態只影響下一層的神經元狀態。如果輸出層的結果不符合預期，則轉到反向傳播，根據預測誤差調整神經網絡的權值和閾值，從而使得神經網絡的預測輸出接近期望的輸出。

圖1中，X表示神經網絡的輸入值，Y表示神經網絡的輸出值，ω表示神經網絡的權值。

我們可以利用SPSS，Matlab，Python等軟件實現BP神經網絡預測貨量。神經網絡能夠識別復雜的非線性系統，有較強的自適應學習能力，這是它的特性。

2預測結果評估

在進行定量預測的時候，我們一般先把數據分為兩部分，一部分作為訓練集，另一部分作為驗證集，這是為了避免出現過度擬合的問題，所謂過度擬合指的是當前的數據湊巧適合這個模型，使得模型效果表現優異。

2.1常用的衡量預測精度的指標

2.2預測誤差的分布

可以通過繪制誤差的直方圖或者箱圖來分析預測誤差的分布，由此可以判斷未來預測誤差可能的分布情況。

3四種預測方法的優缺點

上述四種預測方法各有各的優點，但同時又有些局限，我們在進行預測的時候應該根據實際情況選擇合適的方法，各個預測方法都有它最適合的應用場景。表2是四種預測方法的優缺點介紹：

4結論

本文介紹了四種最常見的預測分析方法，定性預測法，線性回歸預測法，時間序列預測法以及神經網絡預測法并進行了預測結果的評估。同時還對這四種方法的優缺點進行了簡單介紹。在遇到實際問題時，我們應該根據實際問題實際分析，選擇最合適的預測方法，建立合理的模型，如果一種模型達不到理想的效果的話，可以考慮選擇組合模型進行預測。