评价网 > 科教论文 > 管理学毕业论文 > 管理论文 > 正文

区域物流需求猜测现状和发展研究

2014-07-29 01:08 从宏观产业经济发展的角度看，各种区域物流发展政策、区域物流规划的制定等都离不开区域物流需求的定量分析，在规划中碰到的首要题目就是对宏观物流市场规模的猜测。区域物流需求猜测可为国家和地区物流经济主管部分制定未来物流发展的科学发展战略规划以及切实可行的市场开拓策略提供依据，近而为宏观产业经济政策的制定提供参考。另外，政府可以通过区域物流需求猜测来评估物流行业对当地经济发展的总体贡献，从而制定物流行业发展政策，并引导物流市场资源的公道利用与优化配置。从微观角度看，物流企业需根据对物流需求猜测公道地配置有限的资源，以期最大限度降低投资风险和获得最大收益。国内外研究现状区域物流需求猜测研究开始于上世纪90年代。我国学者在本世纪初开始研究区域物流需求猜测方法。经过近20年的发展，区域物流需求猜测研究取得了很大进步。通过对目前区域物流需求猜测方法研究发现，目前主要把区域物流需求猜测看作回回题目。根据发展历程和智能化程度的高低，大致可以划分为以下三个阶段：第一阶段主要采用基于传统统计学的猜测方法，这是本世纪初区域物流需求猜测主要采用的方法。该类主要方法包括：投进产出模型、回回分析法、货运强度法、弹性系数法、聚类法、灰色理论模型、马尔可夫链、时空多项概率模型和决策支持系统等。该类方法的主要特点可以对定序和线性的数据进行处理，且对于构造的模型有较强的解释性。随着区域物流需求猜测研究的深进，大多数研究方法的不足就逐渐暴露出来，主要体现在以下三个方面：第一，真实的区域物流需求数据样本非常少且难以收集，这极大地影响了猜测方法的验证效果。第二，在处理高维度、含有非线性关系、程非正态分布、有时间顺序的区域物流需求数据时，其效果不理想。第三，不能保证学习和泛化能力，缺乏灵活性，而且，整个处理过程按规定的步骤进行，对所有数据一视同仁地进行同样的处理而不管是否需要进行这些处理。后面两个题目的产生促使了人们考虑在物流需求猜测中引人人工智能技术，以改善猜测模型的性能和进步猜测正确率。目前学者采用的人工智能方法主要是人工神经网络(ANN)及其改进型。人工智能猜测方法的引进使传统猜测方法中融人了人的智能因素，如神经网络的学习和泛化能力，专家系统的推理规则等，这样区域物流需求猜测技术又向前迈进了一大步。但是，从前面的分析可以看出：第一，不能从理论上保证猜测模型的泛化能力，这使得对于经过练习后的猜测模型，对于新的物流需求量数据集没有稳定的猜测效果。第二，在学习样本数目有限时，学习过程误差易收敛于局部极小点，学习精度难以保证；学习样本变量很多时，又陷进