【正文】 002001%2002%2003%2004%2005% 模型的檢驗(yàn)及結(jié)果分析(1)殘差檢驗(yàn)由表42可知:平均相對誤,而且，平均相對精度。故模型的精度為二級(合格)。①關(guān)聯(lián)度檢驗(yàn)原始序列與相應(yīng)的模擬序列的絕對關(guān)聯(lián)度，故模型的精度等級為一級(優(yōu)秀)。②后驗(yàn)差檢驗(yàn)原始序列的均值 序列的均方差 =殘差均方差 =殘差的均值 =均方差比值 計(jì)算= = 由求得= = = = = =所有都小于，故小誤差概率，而同時(shí)C=，故模型的精度等級為一級（優(yōu)）。 對公司業(yè)務(wù)量序列建立的基本GM（1，1）模型，經(jīng)關(guān)聯(lián)度檢驗(yàn)和后驗(yàn)?zāi)Ｐ途染鶠橐患墸▋?yōu)秀），但用殘差檢驗(yàn)?zāi)Ｐ偷木鹊燃墳槎墸ê细瘢?。?，1）模型計(jì)算所得的模擬數(shù)據(jù)序列逼近原始序列，但在波動較大的點(diǎn)上模擬的效果不是很好，%，平均相對精度也不是很理想。 殘差修正GM(1，1)模型的應(yīng)用上節(jié)建立的公司業(yè)務(wù)量基本GM(1，l)模型在個(gè)別點(diǎn)上的模擬誤差比較大，平均相對精度不是很高。因此，為了進(jìn)一步減小模擬誤差，提高模擬精度，本節(jié)嘗試使用殘差GM(1，l)模型對原模型進(jìn)行修正。 殘差修正模型的建立過程設(shè)生成的殘差為[14]， 為方便，記生成的殘差序列為 取絕對值，得對做1AGO，得生成序列 對建立GM（1，1）模型，其時(shí)間響應(yīng)式為其導(dǎo)數(shù)還原值為得 用的模擬值加上，得殘差修正后的GM(1,1)模擬的時(shí)間響應(yīng)式 =其中，對做累減還原，可得原序列的模擬值， 安民公司生產(chǎn)總值模擬預(yù)測及誤差分析（殘差修正GM(1,1)模型）Tab An Min, the pany forecast GDP simulation and error analysis(residuals that of GM (1,1))年份實(shí)際數(shù)據(jù)/千噸模擬值/千噸殘差相對誤差2000002001%2002%2003%2004%2005% 模型的檢驗(yàn)及結(jié)果分析由上表可知：平均相對誤差，%，平均相對精度1一=%。故殘差檢驗(yàn)?zāi)Ｐ偷木葹槎?合格)。，故關(guān)聯(lián)度檢驗(yàn)?zāi)Ｐ偷木鹊燃墳橐患?優(yōu)秀)。用后驗(yàn)差檢驗(yàn) C=，P=1，故模型的精度等級為一級(優(yōu)秀)。通過殘差修正后，雖然殘差檢驗(yàn)時(shí)模型的精度等級仍為二級(合格)，但模型的平均相對精度有了很大程度的提高(%%)。關(guān)聯(lián)度檢驗(yàn)和后驗(yàn)差檢驗(yàn)?zāi)Ｐ途染鶠橐患?優(yōu))，因此殘差修正模型用于生產(chǎn)總值序列，其模擬誤差比基本GM(l，l)模型有所減小。 基于直接數(shù)據(jù)的GM(1，1)預(yù)測模型的設(shè)計(jì)與實(shí)現(xiàn)GM(1，l)模型適合于具有較強(qiáng)指數(shù)規(guī)律的序列，所以只能描述單調(diào)的變化過程。(l，l)模型時(shí)發(fā)現(xiàn)，原始數(shù)據(jù)序列經(jīng)過累加后其準(zhǔn)指數(shù)規(guī)律不是很明顯，當(dāng)k3時(shí)才滿足，這正是模型的平均相對精度不是很高的原因所在。依據(jù)現(xiàn)有數(shù)據(jù)，首先對原始序列 =進(jìn)行準(zhǔn)指數(shù)規(guī)律判斷。代入數(shù)據(jù)，可得，故原始序列滿足準(zhǔn)指數(shù)規(guī)律。如果序列已具有明顯的指數(shù)規(guī)律，再做累加生成反而會破壞其規(guī)律性，使指數(shù)規(guī)律變灰，因而本節(jié)將直接對原始數(shù)據(jù)序列建立灰色GM(l，l)模型試圖獲得較高的精度。 直接數(shù)據(jù)模型的建立過程若滿足準(zhǔn)指數(shù)規(guī)律，則直接對建立GM(l，l)模型:事件響應(yīng)函數(shù) 設(shè)，且 用最小二乘法估計(jì)參數(shù)列滿足 將時(shí)間響應(yīng)函數(shù)改寫為 然后利用原始數(shù)列及去估計(jì)和。設(shè)，且，用最小二乘法估計(jì)參數(shù)列滿足 經(jīng)兩次參數(shù)擬合后得到 離散化為 根據(jù)上述過程對原始序列 =（，，，）直接建模，得到。 安民公司生產(chǎn)總值模擬預(yù)測及誤差分析(直接數(shù)據(jù)以(1，1)模型)Table An Min, the pany forecast GDP simulation and error analysis (direct data (1,1) model)年份實(shí)際數(shù)據(jù)/千噸模擬值/千噸殘差相對誤差200007123%2001%2002%2003%2004%2005% 模型的檢驗(yàn)及結(jié)果分析由上表可知，平均相對誤差，而且平均相對精度。故殘差檢驗(yàn)?zāi)Ｐ途葹橐患?優(yōu))。原始序列與相應(yīng)的模擬序列的絕對關(guān)聯(lián)度，故關(guān)聯(lián)度檢驗(yàn)?zāi)Ｐ偷木鹊燃墳橐患?優(yōu))。用后驗(yàn)差檢驗(yàn),故模型的精度等級為一級(優(yōu))。從殘差平方和平均相對誤差和兩個(gè)方面對直接數(shù)據(jù)GM(1，l)(l，1)模型進(jìn)行比較。 直接數(shù)據(jù)GM(1，1)模型和基本GM(1，1)模型的誤差比較Tab direct data GM (1,1) and the basic model of GM (1,1) pared the error模型平均相對誤差差最大相對誤差差最小相對誤差差均方誤差基本GM(1，l)模型%%%直接數(shù)據(jù)GM(1，1)模型%%%顯然，直接數(shù)據(jù)GM(1，l)模型的精度大大提高。因此，可以得到以下的結(jié)論:在進(jìn)行灰色系統(tǒng)建模時(shí)，首先應(yīng)對原始數(shù)據(jù)序列進(jìn)行指數(shù)規(guī)律的判別。對具有準(zhǔn)指數(shù)規(guī)律的數(shù)據(jù)序列，可以采用直接數(shù)據(jù)灰色建模方法，以獲得較高的預(yù)測精度，該方法具有一定的理論和應(yīng)用價(jià)值。 不同預(yù)測模型的分析比較用20002005年安民公司的業(yè)務(wù)量作原始數(shù)據(jù)。 各種模型的預(yù)測結(jié)果Tab various models of the predicted results基本模型殘差模型直接數(shù)據(jù)模型相對誤差%關(guān)聯(lián)度小誤差概率111均方差比值20062007200820092010通過分析比較可知，這三種灰色預(yù)測模型的預(yù)測誤差均在5%以下。根據(jù)經(jīng)驗(yàn)，若相對誤差不超過5%，則其預(yù)測值滿足精度要求[15]。因此在誤差允許范圍內(nèi)，這些模型基本上都可以用來估算安民公司近段時(shí)期的業(yè)務(wù)總量。但由于采用的模型不同，預(yù)測結(jié)果也會不同。作為短期預(yù)測，幾種模型的預(yù)測結(jié)果比較接近，有參考價(jià)值。但是時(shí)間越長，不同模型間的數(shù)據(jù)差異越來越大，且結(jié)果有時(shí)會相差甚遠(yuǎn)。因?yàn)樵诂F(xiàn)實(shí)生活中，在任何一個(gè)灰色系統(tǒng)的發(fā)展過程中，隨著時(shí)間的推移，將會不斷地有一些隨機(jī)擾動或驅(qū)動因素進(jìn)入系統(tǒng)，使系統(tǒng)的發(fā)展相繼地受到影響。因此用GM（1，1）模型進(jìn)行預(yù)測，精度較高的僅僅是原點(diǎn)數(shù)據(jù)以后的1到2個(gè)數(shù)據(jù)[10]。一般說來，越往未來發(fā)展，越是遠(yuǎn)離時(shí)間原點(diǎn)，GM(1，l)模型的預(yù)測意義就越弱，因此沒有必要用一種模型去預(yù)測未來的所有值。在實(shí)際應(yīng)用中，必須不斷地考慮那些隨著時(shí)間推移相繼進(jìn)入系統(tǒng)的擾動或驅(qū)動因素，隨時(shí)將每一個(gè)新得到的數(shù)據(jù)補(bǔ)充到原數(shù)據(jù)中，同時(shí)去掉最老的一個(gè)數(shù)據(jù)，建立的等維新信息GM(1，l)模型進(jìn)行預(yù)測建立等維新信息模型后，不同模型間的數(shù)據(jù)差異變小了，各年份的數(shù)據(jù)也比較接近。這樣得到的數(shù)據(jù)也就更加合理，這樣也大大提高了預(yù)測結(jié)果的可信度和應(yīng)用價(jià)值。 本章小結(jié) 本章主要分析需求預(yù)測在現(xiàn)實(shí)中的實(shí)例應(yīng)用。根據(jù)灰色系統(tǒng)理論建立各種不同的灰色模型對煙臺市安民物流有限公司進(jìn)行分析預(yù)測，以便找出合適的灰色預(yù)測模型，來預(yù)測安民物流公司的需求。通過運(yùn)用灰色模型的分析總結(jié)歸納，為公司的進(jìn)一步發(fā)展提供了數(shù)據(jù)支持。結(jié) 論本文在分析和評述國內(nèi)外物流需求預(yù)測的研究和實(shí)踐的基礎(chǔ)上，比較系統(tǒng)的概括了幾種實(shí)用的預(yù)測方法。并基于鄧聚龍教授的灰色預(yù)測系統(tǒng)理論與安民物流公司的原始數(shù)據(jù)，對未來5年內(nèi)安民公司的發(fā)展提出了規(guī)劃構(gòu)想。本文的研究成果主要有以下幾個(gè)方面：（1）對國內(nèi)外物流需求預(yù)測理論及實(shí)踐情況進(jìn)行了較為系統(tǒng)、全面的分析、歸納和評述。本文認(rèn)為，國外物流需求預(yù)測理論與實(shí)踐都是根據(jù)本國國情，物流規(guī)劃側(cè)重點(diǎn)是不同的。國內(nèi)有關(guān)物流需求預(yù)測理論的研究尚處于起步階段，可供參考成熟實(shí)踐經(jīng)驗(yàn)很少。對幾種比較實(shí)用的預(yù)測方法進(jìn)行了分析，并較為全面地比較了這幾種方法的優(yōu)缺點(diǎn)。重點(diǎn)介紹了灰色預(yù)測法的概念和三種基本預(yù)測模型；GM(l，l)模型、殘差修正GM(l，l)模型、GM(l，l)模型群。同時(shí)介紹了模型的三種檢驗(yàn)方法：殘差檢驗(yàn)、關(guān)聯(lián)度檢驗(yàn)和后驗(yàn)差檢驗(yàn)。（2）將GM(l，l)模型用于預(yù)測安民公司的業(yè)務(wù)量。在實(shí)際預(yù)測時(shí)采用了GM(l，l)模型、殘差修正GM(l，l)模型、基于直接數(shù)據(jù)的GM(l，l)模型。從理論上證明了灰色預(yù)測法的簡捷實(shí)用。從預(yù)測結(jié)果來看，這三種模型基本上都在誤差范圍內(nèi)預(yù)測出真實(shí)數(shù)據(jù)的發(fā)展走勢，數(shù)據(jù)上也大體吻合，但從精度上來說還是最后一種最優(yōu)。致 謝首先，感謝我的導(dǎo)師馬香娟，無論在學(xué)習(xí)上還是生活上，她都給了我莫大的關(guān)懷，是她淳淳善誘的教導(dǎo)讓我對產(chǎn)業(yè)經(jīng)濟(jì)學(xué)有了更深更全面的理解，她用扎實(shí)的理論功底、淵博的知識對本人學(xué)士論文的選題、寫作進(jìn)行指導(dǎo)，并花費(fèi)大量時(shí)間對一論文進(jìn)行修改，沒有他的幫助，我的論文不可能順利完成。其次，要感謝所有幫助過我，讓我取得進(jìn)步的老師，特別是陳松巖、張庭發(fā)、張秋紅、白翰等老師，在四年的學(xué)習(xí)時(shí)間里，他們的教誨讓我受益良多。同時(shí)，還要感謝還要感謝劉昭婧，王曉，于平平，強(qiáng)偉朋，路淑娟等同學(xué)，在論文寫作的過程中，他們和我一起探討相關(guān)問題，幫我尋找模型數(shù)據(jù)，給了我很大的幫助、支持，同時(shí)還要感謝班上所有幫助過我的其他同學(xué)。最后，要感謝我親愛的父母，他們在家辛苦操勞，沒有他們的支持、幫助，我不可能順利完成我的學(xué)業(yè)，謝謝。論文中不讓標(biāo)注任何老師的名字，我不知你上面這算不算….？我看完你的論文后，感覺寫的還可以，就是在語言方面得加強(qiáng)點(diǎn)兒，因?yàn)榭吹牟皇翘貏e細(xì)，可能有些錯(cuò)誤還沒發(fā)現(xiàn)，建議你按照發(fā)的格式在修改一下…參考文獻(xiàn)[1] :(碩士學(xué)位論文).廣東:廣東外語外貿(mào)大學(xué),2006.[2] :(碩士學(xué)位論文).江西:江西財(cái)經(jīng)大學(xué),2007.[3] :(碩士學(xué)位論文).大連:大連海事大學(xué),2006.[4] ,17(1):4243.[5] 葉高炎,:浙江教育出版社，2002.[6] ,(3):124.[7] :(博士學(xué)位論文). 哈爾濱:哈爾濱工程大學(xué)2002.[8] 李華,:西安電子科技大學(xué)出版社,2005.[9] :(碩士學(xué)位論文).浙江:浙江工商大學(xué),2006.[10 ]Deng Boundary of Grey Inputbin GM(1，1).The Journal of GreySystem,2001.[11] 劉思峰,黨耀國,:科學(xué)出版社,2005.[12] 張萍峰,40(24):205207.[13] Lin .,Wang,.,Yan，.，Tarng，..Optimization of Parameters in GM(1,1)Model by Taguehi Method,The Journal of Gray System，2000.[14] :(碩士學(xué)位論文).鄭州:鄭州大學(xué),2007.[15] Wu，.amp。(l，l) GraySystem，2001,13(1).第 36 頁 共 42 頁