基于马尔科夫GM(1,1)模型的物流货运量预测研究与应用马睿[摘要]物流货运量是衡量物流行业发展快慢的重要指标。针对不确定影响因素较多的物流货运量预测采用传统GM（1，1）模型预测，预测结果精准度较低。针对该问题，提出了基于马尔科夫原理的GM（1，1）模型，进行物流货运量预测研究与分析应用。根据马尔科夫GM（1，1）模型原理，以近几年的某地物流货运量为研究数据，通过实际应用研究结果可知，该方法预测效果较好，为研究物流发展提供参考。[关键词]马尔科夫链;GM（1，1）模型;物流货运量[DOI]1013939/jcnkizgsc2020091691引言随着现代物流业的快速发展，物流货运量也在不断地增长。影响物流发展的重要因素是物流货运量的增长速度，物流货运量的多少决定了物流企业的经济状态。物流主要是通过铁路、航空、水路和公路进行货物周转和运输。在现代高速发展的国际物流和国内物流中，由于物流货运量数据繁杂，对于货运量统计存在着很大难度，也造成统计的数据缺乏精准度。[1]为了满足日益增长的物流需求，推动物流行业的快速发展，建立合理的物流货运量的预测模型是非常重要的。为了加快物流业的快速发展，在规划物流体系的建设上实行改革创新，通过科学合理的马尔科夫GM（1，1）预测模型对物流货运量进行预测，对物流系统的应用效果加以完善，使模型的预测准确值达到标准，同时要加强物流业的管理和建设，促进我国物流业的快速发展。[2]2马尔科夫GM（1，1）模型21马尔科夫GM（1，1）模型原理马尔科夫灰色模型预测原理是：①对最初特征数据进行处理，生成具有较强规律性的数据序列。②计算灰方程参数，建立相应的灰色微分方程。③建立GM（1，1）预测模型，由预测模型做第一次预测。④将马尔科夫理论与预测模型结合，进一步对模型优化改进，通过利用马尔科夫原理将数据划分状态，建立状态转移矩阵。⑤通过马尔科夫原理获取待预测年份所处状态的边界值，计算出预测年度的预测修正值，进而得到预测值。由预测原理可知，该过程是随机的，因此，马尔科夫预测过程是一个随机变动过程，事物每一次变动结果都是具有状态转移的无后效性。对马尔科夫进行分析可知，该过程是由一种状态随机转变为另一种状态，即为转移过程。根据该过程，能够分析事物转移狀态相关属性，进而确定前状态、后状态和转移状态三者之间的关系，即为预测事物变动结果，依据此来预测物流货运量未来几年变动情况。22模型应用——物流货运量预测随着物流业迅速发展，某地区实际货运量也呈上升趋势，对该地区实际货运量进行量化处理，分析物流货运量如表1所示。由表1可看出，某地区实际物流货运量出现了逐年递增趋势，在年份为2012、2013、2018时货运量变化较大。该数据是由官方提供的真实性数据，结合某地区实际物流货运量，预测方法具体实现步骤如下所示。在预测前先把数据进行规划处理，运用实际物流货运量的数据进行预测实验。计算灰色预测模型的灰数，得出灰色预测模型。用数学语言描述随机过程，将时间集合，保证状态空间是离散的，由此获取时间状态离散集，在规定时间内，统计离散集下的概率，利用马尔科夫原理将数据划分状态，建立状态转移矩阵。当时间系统处于一个状态时，每个状态都具有n个转向，由此计算该状态下的概率，即系统在规定时间内系统处于状态空间条件下的条件概率，集合一步转移概率形成状态概率矩阵。由一步转移概率转向为k步转移概率，进而形成k步转移概率矩阵。通过马尔科夫原理得出预测年份所处状态的边界值，进而计算出预测年份的修正值，再计算出预测值。3结果分析针对研究的马尔科夫GM（1，1）模型的物流货运量预测方法有效性进行实验验证分析，以某市为研究对象预测，将传统方法与所提方法的预测精准度进行对比分析。采用传统预测方法准确度不高，始终低于80%，而采用马尔科夫灰色预测法预测准确度较好，始终高于85%。传统方法预测的准确度在2015年时达到最高为80%，在2012年时是最低为74%;马尔科夫灰色预测法预测准确度最高在2017年时为94%，最低在2013年为85%。4结论在现阶段的物流企业系统运行中，物流货运量在运输、周转等过程中作为基础数据，通过应用马尔科夫GM（1，1）模型预测能够对...