資源描述：
《基于灰色馬爾科夫預(yù)測模型的福建省航空貨運發(fā)送量預(yù)測-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2014年第2期物流工程與管理物流技術(shù)第36卷總第236期LOGISTlCSENGINEERlNGANDMANAGEMENTdoi：10．3969／j．issn．1674—4993．2014．02．025基于灰色馬爾科夫預(yù)測模型的福建省航空貨運發(fā)送量預(yù)測口彭定桂，林燕菁(福州大學(xué)八方物流學(xué)院，福建福州350108)【摘要】航空運輸量的預(yù)測是航空運輸規(guī)劃的基礎(chǔ)，文中以福建省航空貨運發(fā)送量為預(yù)測對象，結(jié)合灰色系統(tǒng)理論與馬爾科夫鏈理論，提出了灰色馬爾科夫鏈預(yù)測模型，預(yù)測結(jié)果表明，模型精度比GM(1．1)預(yù)測結(jié)果
2、更好，能夠反映福建省航空運輸?shù)陌l(fā)展趨勢。【關(guān)鍵詞】航空貨運；灰色GM(I．1)；灰色馬爾科夫鏈模型【中圖分類號】F251．3【文獻(xiàn)標(biāo)識碼】B【文章編號】1674-4993(2014)02-0054—02ForecastStudyonAirfreightVolumeofFujianProvinceBasedonGrey-MarkovModel口PENGDing-gui。LINYan-jing(FuzhouUniversity，All—transLogisticsCollege。Fuzhou350108，Ch
3、ina)[Abstract]Airfreightvolumeforecastisthebasisfortheplanningofairtransport．WiththeGreySystemTheoryandthetheoryofMarkovChain，thispapercomesupwiththepredictivemodeloftheGrey—MarkovChaintoforecastingtheairfreightofFujian．Anditshowedthat，predictiveresultsof
4、theGreyMarkovChainmodelaremoreaccuratethantheGM(I．1)model’S，andcanberetreflectthedevelopmenttrendoftheairfrei【ghtvolumeofFujian．[Keywords]airfreight；GM(1，1)model；grey-Markovmodel1引言色作用量。運用最小二乘估計以及微分方程理論得到上述白航空貨運量預(yù)測既是探究航空運輸業(yè)發(fā)展趨勢的重要內(nèi)化微分方程的解為(離散響應(yīng)式)：容之一，也是空港
5、物流規(guī)劃及決策的重要依據(jù)。國內(nèi)對貨運X{(斛1)=(X(。(1)一蘭)e一+一U(2)量做的預(yù)測主要應(yīng)用有：灰色馬爾科夫預(yù)測l2l、ARIMA模型a口13]其中：媯時間序列，可取年、季或月。由于GM模型得、系統(tǒng)動力學(xué)【4等預(yù)測模型。不同的模型適用不同的數(shù)據(jù)特到的是一次累加量文【1’(1)，必須將GM模型所得數(shù)據(jù)點，模型的選用直接影響到預(yù)測的可行性和實用性。本文基于灰色系統(tǒng)理論的基礎(chǔ)上引入馬爾科夫鏈理論對文【1’l目)經(jīng)過逆生成預(yù)測序列為：文(。’(k)=文(’(目一文(’(k-1)(3)福建省航空貨運量做
6、短期預(yù)測，建立了灰色馬爾科夫預(yù)測模2．2馬爾科夫鏈預(yù)測型組合預(yù)測模型。通過灰色預(yù)測值與實際值的形成相對誤差馬爾可夫鏈?zhǔn)菚r間離散狀態(tài)離散的馬爾可夫過程，為了進(jìn)序列，將相對誤差序列按照馬爾科夫鏈理論進(jìn)行狀態(tài)劃分，利用狀態(tài)轉(zhuǎn)移概率預(yù)測未來時刻所處的狀態(tài)，并依次進(jìn)行誤行馬爾可夫預(yù)測，必須將序列劃分成若干狀態(tài)。因此，本文依據(jù)相對誤差離散狀態(tài)劃分E、E?E，EEf△△。J，狀差修正，從而提高模型的預(yù)測精度。解決了灰色模型對波動較大的數(shù)據(jù)樣本預(yù)測精度不高的缺陷又彌補了馬爾可夫模型態(tài)的劃分根據(jù)研究對象和原始數(shù)據(jù)而定，沒有
7、一致的表達(dá)式。要求數(shù)據(jù)具備平穩(wěn)過程的局限性。由于狀態(tài)Ej經(jīng)過k步轉(zhuǎn)移到達(dá)狀態(tài)E{的原始樣本數(shù)記為2灰色馬爾科夫預(yù)測模型的構(gòu)建M(k)，狀態(tài)Ei出現(xiàn)的次數(shù)記為M，則由狀態(tài)E經(jīng)過k步轉(zhuǎn)2．1GM(1．11預(yù)測模型移到狀態(tài)E的狀態(tài)轉(zhuǎn)移概率為：設(shè)變量XI。)={x(i)，i=1，2，?，n}為預(yù)測對象的原始口一旦，i，j=1，2，3，?，ITI(4)數(shù)據(jù)列，且n≥4。為建立灰色預(yù)則可得到mXm階的狀態(tài)k步轉(zhuǎn)移概率矩陣：測模型：首先對x[0’進(jìn)行一次累加(1—AGo)生成一次累(膏)?(k)加序列X(’【k)，對x
8、(u可建立白化形式的微分方程：(】)，≠、P(k)=+a((t)：U(1)(五)?()dt此即為GM(1，1)模型，其中參數(shù)a為發(fā)展系數(shù)，u為灰根據(jù)狀態(tài)轉(zhuǎn)移矩陣運用公式(6)就可以計算出待預(yù)測年【收稿El期】2014—0l一02【作者簡介】彭定桂(1989一)，男，湖南婁底人，福州大學(xué)，八方物流學(xué)院碩士研究生。林燕菁(1989一)，男，福建廈門人，福州大學(xué)，八方物流學(xué)院碩士研究生。第2期彭定桂等：基于灰色馬爾科夫預(yù)測模型的福建
