基于灰色预测模型对我国铁路货运量的预测

来源:用户上传      作者:

　　摘 要：随着公路和民航运输所占的份额快速上涨，我国铁路运输所占比重有所下降。为使铁路货运在今后的发展中能够集中力量、统筹规划相关业务，提高服务质量，促进运输业的发展，对我国未来几年的铁路货运量进行预测，同时研究了其变化规律。文章主要利用灰色预测模型对我国的铁路货运量进行了预测，并给出了一些相关的建议。经过研究，灰色模型在铁路货运量的预测中精度较高，可以用于未来时间内的预测和预报。
　　关键词：铁路货运量；灰色预测模型；预测
　　中图分类号：F530 文献标识码：A
　　Abstract： Along with the rapid rise in the share of road and civil aviation transport， China's railway transport has some decline. In order to help the railway freight concentrate energy， plan related business overall， improve service quality， and promote the development of the transport industry in the future， making a prediction about our country's railway freight volume in the next few years and study the change rules are very necessary. In this paper. We use the gray prediction model to forecast the railway freight volume in our country， and give some relevant suggestions. After the research， we find that the grey model has a high accuracy in the railway freight volume's predict and forecast and can be used in the future.
　　Key words： railway freight volume； grey forecasting model； prediction
　　目前对于铁路货运量有不少的研究，但是所采用的方法仍有一些不足。比如童明荣[5]等人所采用的Holt-Winter预测模型（传统时间预测模型）是以有季节变动、线性趋势和随机波动的时间序列并结合指数平滑法进行研究分析的，不仅需要的数据资源多，而且还需做大量的计算工作；任德亮[6]等人在这个问题上利用的是季节性预测模型，这一模型是根据三角函数的周期性特点以及线性趋势变动，从而建立不同精度和期限的季节性预测模型，实际操作的工作量大，而且由于是按月来预测的，因此存在一定的误差；刘志杰[7]等人运用的径向神经网络模型，除了需要大量的数据还需要对网络进行学习和仿真，对计算机的操作具有一定的要求。由此可见，大多数预测方法是需要很多数据资料的，对数据统计准确性与完整性都有着很高的要求，而且实施起来都有一定的难度。实际中，由于贸易容易受到诸如随机性的政治因素、供给与需求因素等各种不确定因素的影响，且直接影响到货运量的大小。因此，要对我国未来几年的货运量趋势给出准确的定量判断是非常困难的。但可以分析其内部关系和运用一定的数学模型及有关运算方法，对它作出一些必要的预测。
　　综合各方面因素，本文选取了灰色预测模型。因为铁路货运所受到的影响因素众多，而要对全国的铁路货运数量进行完整、准确的收集与统计是很难做到的，这点正好吻合灰色预测方法的对象是以“部分信息为已知，部分信息为未知”的不确定系统，它通过对系统当前已有数据信息进行整理与综合分析，从而给出研究对象的预测信息。灰色预测模型以其不需要大量有规律性分布的样本数据，计算工作量相对较小，精确度高，可以用于近期、短期和中长期预测以及定性分析与定量分析结果一致等优点，被广泛应用于各个领域的预测中。
　　1 灰色模型
　　2 利用灰色预测模型来对我国铁路货运量进行预测
　　由于全国的铁路货运量数据庞大，就目前的人力、物力水平对其进行详细、精确地统计还未能进行，因此目前能够获取的相关数据资料是非常有限的。本文选用了从《中国物流发展报告》中得到的我国2006～2014年铁路货运量为数据来源（如表1所示）[1]。
　　3 铁路货运中存在的不足与相关对策建议
　　对铁路货运量做出准确预测只是解决当前铁路货运中存在的问题的第一步。还需要分析铁路货运中存在的问题，并进一步研究解决方法。
　　3.1 铁路货运中存在的不足
　　（1）铁路运输的基础设施不完善。任何产业的基础设施建设都是重中之重、基础中的基础，直接决定着产业的生命力和发展潜力。而目前我国的铁路运输系统建设还比较落后，采用的运载工具数量较少、相关的装备和技术也比较老旧，与建成一个完善的运输系统还有很大距离。
　　（2）营销策略不合理，不利于最大发挥铁路货运的优势。铁路货运的产品单一，加之不合理的营销策略，在很大程度上制约了铁路货运的发展。现存的铁路货运没有解决铁路运输的特点与市场环境之间的矛盾，而且也没能调动员工的工作积极性，运输价格制定不灵活等现象依然广泛存在。
　　（3）铁路货运的信息化程度不高。铁路货运的相关企业还未有大量使用数据库、电子交换以及电子订货系统等先进信息技术，而对相关的工作进行有效的安排和处理，形成一个拥有高速信息流的系统，提高相关货物的信息收集、实时掌握货物动态信息。相反的，货物管理流程混乱、物件丢失等现象在铁路货运中屡见不鲜。 　　（4）铁路运输建设的资金有限。一条新的铁路线路的建成有助于铁路运输业和沿线的运输发展，但是其投入的资金往往是一笔巨大的数目，同时对工程建设的技术也有着很高的要求。而随着相对线路建设成本较小的公路和民航的发展，更是有大量的资金流出铁路运输建设领域。
　　（5）缺乏大量的专业技术性人才的支撑。铁路运输的从业人员中，专业型人才只占据较小份额。这点一方面会增加铁路货运中解决相关技术性问题所带来的成本，另一方面不利于紧急问题的有效解决。
　　3.2 相关对策建议
　　（1）加强铁路运输的基础设施建设。解决铁路货运中现存问题必须从基础设施着手，只有提高了铁路运输的基础设施水平，才能进一步提高其服务质量，带动它的发展。铁路货运相关企业应整合多方资源，积极加强这方面的建设，改变传统的服务方式，完善整个服务系统。引进必要的信息与服务系统，提高竞争优势。
　　（2）加强与其他运输行业的合作，进行优势互补。虽然竞争日趋激烈，但铁路货运企业也应该追求双赢。也就是说，铁路运输可以与其他运输方式形成合作关系，在合作中竞争，积极发展多式联运，实现优势互补。比如，顾客可能选定某一运输方式，但货物性质、目的地、运输条件限制等属性可能无法由某一单一运输方式独立完成，这时就可以通过与其他运输方式进行合作来完成这一项作业。这样一来，不仅可以提高资源的利用率，还有利于各个运输方式自身的进步和完善，从而促进运输业的整体发展。
　　（3）制定相关政策，加大专业型人才的培养力度。政府可以提出一些指导性的政策方针，指导专业人才培养教育工作。铁路运输行业要提高对专业人才的重视，切实提高他们的工资待遇等方面的福利，同时为他们提供交流学习的机会，做到留住人才、发展人才。
　　（4）价格策略。在选择运输方式时，价格的考虑无疑是最主要因素之一。影响一种服务型产品的定价因素主要有需求、竞争和成本三个方面。从近几年铁路货运的情况来看较宜采用以成本定价法为主的综合定价法。以成本定价为主，可以提高铁路货运企业对于自身进行绩效考核和对企业总成本的控制，从而在交易中制定出合理的价格，有利于与顾客形成长期的合作关系。
　　（5）促销策略。铁路货运作为一种传统的运输形式，缺乏必要的宣传意识。企业可以在生产经营的同时进行一些正面的公关宣传，但要避免大量的、重复性的广告宣传，这一做法容易引起顾客的反感和对服务质量的怀疑。企业在宣传自身的同时也要兼顾对其员工进行积极的宣扬，这样不仅可以提高员工的工作积极性，而且还有利于让更多的顾客更深入地了解企业的服务质量、树立企业良好形象。
　　（6）渠道策略。我国铁路货运在目前采用的销售形式仍然是直销为主、分销为辅。直接销售虽然是其中的一种十分有效的渠道，但也存在着一些不足。显然一个完善的渠道建设是很重要的，它关系到经营绩效。铁路货运企业应该在努力使特色服务产品具有差异化和发挥直销优势的同时，形成以自营销售与代理销售相结合的更为完善的分销渠道。从而在整体上提高铁路货运渠道水平。
　　4 结束语
　　灰色预测模型能够对铁路货运量进行高精确度的预测，但由于它是建立在原始数据精确程度上的，因此原始数据是否优质直接决定了预测的效果。此外，本文仅利用了历史数据，而未考虑人口、社会产业总体发展情况，而灰色预测模型是建立在严谨的数学理论基础之上的，因此该方法较适宜用于短期和中长期的预测，对于长期的预测可能存在较大误差。
　　参考文献：
　　[1] 中国物流与采购联合会，中国物流学会. 中国物流发展报告[R]. 北京：中国财富出版社，2014-2015.
　　[2] 中国物流与采购联合会. 中国物流年鉴[J]. 北京：中国财富出版社，2011-2013.
　　[3] 党耀国. 灰色预测与决策模型研究[M]. 北京：科学出版社，2009.
　　[4] 刘思峰，郭天邦，党耀国. 灰色理论及其应用[M]. 北京：科技出版社，1991.
　　[5] 童明荣，薛恒新，林琳. 基于Holt-Winter模型的铁路货运量预测研究[J]. 铁路运输与经济，2007，29（1）：79-81.
　　[6] 张天伟，任德亮，李向国. 铁路货运量季节预测模型的研究[C] // 国际运输与物流学术研讨会，2004.
　　[7] 刘志杰，季令，叶志玲，等. 基于径向神经网络的铁路货运量预测[J]. 铁道学报，2006，28（5）：1-5.
转载注明来源:https://www.xzbu.com/8/view-11152459.htm