[发明专利]干线物流运输需求预测方法

权利要求书

1.一种干线物流运输需求预测方法，其特征在于，所述干线物流运输需求预测方法包括有以下步骤：

1)获取目标时间之前的多个时间节点内的运输参数，运输参数包括有运输里程、运输时间以及运输价格；

2)对步骤1)中的多个时间节点内的运输参数依次赋予参照权数，其中，每一个时间节点内运输参数的参照权数的大小随时间节点与目标时间之间的间隔增加而减小；

3)基于多个时间节点的运输参数及其参照权数，对目标时间的运输需求进行预测处理。

2.按照权利要求1所述的干线物流运输需求预测方法，其特征在于，所述步骤1)中，选取的时间节点的数量为n，n为正整数，n个时间节点中，至少包含有12个时间节点，其分别位于，以目标时间为起点，向前推算的12个连续月份内。

3.按照权利要求1或2所述的干线物流运输需求预测方法，其特征在于，所述步骤1)中，多个时间节点内的运输参数在获取过程中，对于每一个时间节点内的每一个运输参数，其均包括有数据检测步骤。

4.按照权利要求3所述的干线物流运输需求预测方法，其特征在于，对于每一个时间节点内的每一个运输参数进行数据检测的具体方法为：

4.1)检测当前输入的运输参数是否符合格式要求；

4.2)检测当前输入的运输参数是否存在前后重复；

4.3)检测当前输入的运输参数是否存在出现明显不合理；

4.4)将步骤4.1)至4.3)中检测合格的数据输入预测系统内。

5.按照权利要求4所述的干线物流运输需求预测方法，其特征在于，所述步骤4.1)至4.3)中，对于检测过程中不合格的数据，将其置入异常数据库。

6.按照权利要求2所述的干线物流运输需求预测方法，其特征在于，所述步骤2)中，采用指数平滑法对于多个时间节点内的运输参数依次赋予参照权数。

7.按照权利要求6所述的干线物流运输需求预测方法，其特征在于，所述步骤2)中，采用一次指数平滑法对于多个时间节点内的运输参数依次赋予参照权数，其具体分析公式为：

SA_t＝α×A_t+(1-α)×SA_t-1

其中，SA_t为对于每一个时间节点的预测运输参数，α为平滑指数，A_t为每一个时间节点的实际运输参数，SA_t-1为多个时间节点构成的时间序列中，每一个时间节点于时间序列内向前相邻的时间节点的预测运输参数；所述平滑指数α的取值范围为0.1至0.9，且其保留一位小数。

8.按照权利要求7所述的干线物流运输需求预测方法，其特征在于，所述干线物流运输需求预测过程中，对于位于时间序列最前端的时间节点，其于指数平滑分析公式内的SA_t-1的值采用序列初始值进行预测分析；

对于时间节点的数量n大于15的时间序列，序列初始值即为位于时间序列最前端的时间节点内的对应的实际运输参数；当n小于等于15时，序列初始值为时间序列中，位于前端的三个时间节点内的对应的实际运输参数的平均值。

9.按照权利要求7或8所述的干线物流运输需求预测方法，其特征在于，所述步骤2)中，平滑指数α的取值方法为：

9.1)基于时间序列内多个时间节点的实际运输参数的变化趋势，确定α的取值范围；

9.2)在步骤9.1)中确定的α的取值范围内，α对应的所有数值列举，并分别将其代入指数平滑分析公式中，对时间序列内的每一个时间节点进行指数平滑分析，获取其对应的预测运输参数；

9.3)将步骤9.2)中，每一个时间节点的预测运输参数与其实际运输参数进行对比，分别计算不同α值的情况下，时间序列的预测运输参数与实际运输参数的绝对误差，选取绝对误差最小的α值作为目标时间的干线物流运输需求预测中的α值。

10.按照权利要求9所述的干线物流运输需求预测方法，其特征在于，所述步骤9.1)中，α的取值范围的确定方法为：

当时间序列内多个时间节点的实际运输参数呈现趋于水平的趋势时，α的取值范围为0.1至0.3；

当时间序列内多个时间节点的实际运输参数呈现稳定变化的趋势时，α的取值范围为0.3至0.5；

当时间序列内多个时间节点的实际运输参数呈现明显变化的趋势时，α的取值范围为0.6至0.8。