一种基于组合灰色模型预测管理复烤烟叶原料需求的方法技术

本发明专利技术涉及具体涉及一种基于组合灰色模型预测管理复烤烟叶原料需求的方法，属于烟草库存管理技术领域。该方法包括基础模型的建立、初步预测与误差的计算、模型组合和权重计算、产量及原料必要库存量的预测四大步骤。本发明专利技术方法简单明确、易于操作，无需增加设备，也不改变现有的生产、管理模式，能有效指导调节原料采购比重，保障库存原料供需动态平衡。本发明专利技术采用组合模型，减小由单一模型造成的系统误差，提高预测精度；且不仅能进行单一牌号预测，还可用于总量预测，为生产者提供科学、有效的生产经营决策。

【技术实现步骤摘要】
一种基于组合灰色模型预测管理复烤烟叶原料需求的方法
本专利技术属于烟草库存管理
，具体涉及一种基于组合灰色模型预测管理复烤烟叶原料需求的方法。
技术介绍
复烤烟叶库存管理具有区别于其它半成品库存管理的特殊性。首先，其需要陈化一段时间才能用于生产。烟叶经采摘、烘干、复烤等工艺加工制成复烤烟，复烤烟叶不能直接用于卷烟生产，要进行自然陈化。经过陈化的复烤烟，其风格品质会更佳，所生产的卷烟口感更好。其次，不同产地复烤烟叶对于必要仓储时间要求不一致。此前有学者做过实验，分别在陈化11、13、18、21、23、30、34、39、44和51个月时取样，跟踪鉴定感官质量变化。研究发现，上部烟叶感官质量随陈化时间的增加，表现出先升高后逐渐降低的趋势。湖南和黑龙江B2F烟叶在陈化23个月时质量最好；山东B2F在陈化34个月时质量最好；津巴布韦、贵州和河南的样品在陈化39个月时质量最好。大部分样品在自然陈化21个月后烟叶质量变化较大，21～44个月感官质量较好且可用性较高。51个月后，烟叶感官质量除黑龙江低于初始样品外，其它几个产区样品均高于其各自初始样品。最后，复烤烟叶入库量需要通过调节初烟供给实现。复烤烟叶是卷烟生产的重要加工材料，但它属于中间产品，处于整个生产工艺流程的中游。它由烘干后的初烟经过打叶复烤工艺形成，其供给过程并非一个独立的过程，与初烟的供给密切相关。因此，保证复烤烟叶原料库存的供需平衡需从人为调控的角度出发，根据成品产量、配置方案和时间错配联系制定出初烟的需求以及比例结构，在解决库存供需端口时间错配难题和满足未来生产的同时实现当期库存成本最低的管理目标。目前，就国内关于复烤烟叶原料的预测管理技术而言，该领域内技术成果几乎空白。既没有精准通用的复烤烟叶需求量预测方法，也缺乏关于复烤烟叶库存时间错配管理的技术手段。学术领域常规的预测方法主要以时间序列分析和回归为主。而时间序列随机分析存在一些缺陷：首先，分析前提在于数据经过有限次差分变换能够变为弱平稳序列。由于差分变换造成了数据损失，因此数据信息难以得到充分运用。其次，时间序列分析对数据量要求较大；数据量过小往往导致参数估计偏差大，预测结果准确度差。烟草行业的数据统计工作是以年度进行的，所以数据量难以满足要求。再次，异常值对预测模型的干扰较大。烟草行业受政策影响较大，政策因素导致的极端值会使预测模型不稳健、预测值误差大、预测精度差。此外，时间序列的趋势提取方法则直接将时间作为变量进行分析，这种通过事物随时间变化的趋势提取来进行预测的方法的缺陷在于，不考虑外界因素的影响、忽略外界冲击，将事态变化认为是随时间变化稳定进行，因此该方法预测可能存在较大误差。回归分析侧重于凸显变量与变量间的数量因果关系，用于预测也存在一些不足：一方面，对数据要求严格，预测模型假定颇多。另一方面，模型稳健性极易受极端数据影响。此外，协变量的选择也是个难题。就烟草行业而言，一方面，烟叶产品市场需求受诸多因素影响，如经济环境、政策导向等因素；另一方面，烟草产品供给决定了对原料的需求。由于复烤烟叶原料需求受经济环境、政策导向及其他暂无法明确的各种因素的制约。因此，回归模型难以全面识别影响复烤烟叶原料需求的导向因素。加之，回归分析的基础假定过于苛刻，因此该方法的预期精度难以达到预期效果。对于这种部分信息已知，部分信息未知，且容量较少的时间序列数据，灰色系统分析的灰色模型GM(GrayModel)比经典时间序列随机分析和回归分析更有优势。所谓灰色系统，是介于白色系统和黑箱系统之间的过渡系统，其具体的含义体现为：如果某一系统的全部信息已知则定义为白色系统，全部信息未知则界定为黑箱系统；部分信息已知，部分信息未知，那么这一系统就是灰色系统。一般地说，社会系统、经济系统、生态系统都是灰色系统。灰色模型有样本数据需求量较小，不需要样本数据具有特殊分布的特征，定量分析能与定性分析保持一致性的优点。因此，对于烟草行业库存管理这一“灰色领域”，该方法能起到行之有效的作用。考虑到单个模型存在系统风险、操作误差以及模型适应性和泛化能力差的缺陷，分别从三个角度建立三种不同的灰色模型，再经过权重调节以弱化系统风险和偶然误差的影响，强化模型的适应性与泛化能力。
技术实现思路
本专利技术目的是为了解决现有技术的不足，填补原料烟草库存管理的短板，在整个原料资源调控的过程中，制定科学合理的库存管理方案，保证库存的供需动态平衡，而提供一种基于组合灰色模型预测管理复烤烟叶原料需求的方法，该方法从复烤烟叶的入库量入手，根据模型测算出最优入库量，从端口控制库存原料动态平衡，以达到优化库存成本，提升生产经营效益的目的。为实现上述目的，本专利技术采用的技术方案如下：一种基于组合灰色模型预测管理复烤烟叶原料需求的方法，包括如下步骤：步骤一，基础模型的建立：收集与整理某一牌号卷烟产品的历史产量，依据该产品的历史产量，分别建立该产品历史产量的三个基础模型：GM(1,1)模型、灰色Verhulst模型和SCGM(1,1)c模型；a.GM(1,1)模型为：式(7)中，为第k+1期的预测值；为GM(1,1)模型参数估计值；b.灰色Verhulst模型为：式(13)中，为第k+1期的预测值；为灰色Verhulst模型参数估计值；c.SCGM(1,1)c模型为：式(23)中，为第k+1期的预测值；a,b为SCGM(1,1)c模型参数；步骤二，模型组合和权重计算：将步骤一所得的GM(1,1)模型作为第一模型，将步骤一所得的灰色Verhulst模型作为第二模型，将步骤一所得的SCGM(1,1)c模型作为第三模型，然后计算三个模型所占的权重，之后将三个模型进行组合，得到组合灰色模型，如式(24)所示：其中，表示组合灰色模型的预测值，wi为第i个模型的权重，表示第i个模型第k期的预测值；该组合灰色模型即为本专利技术的预测模型；步骤三，产量及原料必要库存量的预测：根据步骤二得到的组合灰色模型，计算该产品之后各年份的预测产量，并根据该产品的配方，计算需要制成该产品各原料的用量；之后根据各原料所需的最优陈化时间，得到每一年所需储备的原料量。进一步，优选的是，步骤一中，GM(1,1)模型的构建方法如下：假设某一产品的n年历史产量序列为时间序列数据X(0)，其样本观测长度为n：X(0)＝(x(0)(1)，x(0)(2)，…x(0)(n))，x(0)(k)≥0式(1)；式(1)中，x(0)(k)表示时间观测序列的第k年观测值；将原始序列累加取得生成序列X(1),则有：X(1)＝(x(1)(1),x(1)(2)…,x(1)(k),…x(1)(n))，k＝1,2…n式(2)；式(2)中，序列X(1)的连续时间t响应白化微分方程为：从而得到上述微分方程的通解为：a,b为模型参数；该通解即为X(1)的时间响应预测方程；采用时间离散化差分替换微分为后，还原得到原始数据列的离散预测方程通解：设Z(1)为X(1)的紧邻均值生成序列，则有Z(1)＝(z(1)(1)，z(1)(2)，…，z(1)(n))式(5)；式(5)中，z(1)(k)＝0.5(x(1)(k)+x(1)(k-1))；设参数向量β＝(a,b)T，同时令：结合白化微分方程建立离散白化方程x(0)(k)+ax(1)(k)＝b并本文档来自技高网...

【技术保护点】
一种基于组合灰色模型预测管理复烤烟叶原料需求的方法，其特征在于，包括如下步骤：步骤一，基础模型的建立：收集与整理某一牌号卷烟产品的历史产量，依据该产品的历史产量，分别建立该产品历史产量的三个基础模型：GM(1,1)模型、灰色Verhulst模型和SCGM(1,1)c模型；a.GM(1,1)模型为：

【技术特征摘要】
1.一种基于组合灰色模型预测管理复烤烟叶原料需求的方法，其特征在于，包括如下步骤：步骤一，基础模型的建立：收集与整理某一牌号卷烟产品的历史产量，依据该产品的历史产量，分别建立该产品历史产量的三个基础模型：GM(1,1)模型、灰色Verhulst模型和SCGM(1,1)c模型；a.GM(1,1)模型为：式(7)中，为第k+1期的预测值；为GM(1,1)模型参数估计值；b.灰色Verhulst模型为：式(13)中，为第k+1期的预测值；为灰色Verhulst模型参数估计值；c.SCGM(1,1)c模型为：式(23)中，为第k+1期的预测值；a,b为SCGM(1,1)c模型参数；步骤二，模型组合和权重计算：将步骤一所得的GM(1,1)模型作为第一模型，将步骤一所得的灰色Verhulst模型作为第二模型，将步骤一所得的SCGM(1,1)c模型作为第三模型，然后计算三个模型所占的权重，之后将三个模型进行组合，得到组合灰色模型，如式(24)所示：其中，表示组合灰色模型的预测值，wi为第i个模型的权重，表示第i个模型第k期的预测值；步骤三，产量及原料必要库存量的预测：根据步骤二得到的组合灰色模型，计算该产品之后各年份的预测产量，并根据该产品的配方，计算需要制成该产品各原料的用量；之后根据各原料所需的最优陈化时间，得到每一年所需储备的原料量。2.根据权利要求1所述的基于组合灰色模型预测管理复烤烟叶原料需求的方法，其特征在于，步骤一中，GM(1,1)模型的构建方法如下：假设某一牌号卷烟产品产量的历史时间序列为X(0)，其样本观测年限为n年：X(0)＝(x(0)(1)，x(0)(2)，…x(0)(n))，x(0)(k)≥0式(1)；式(1)中，x(0)(k)表示时间观测序列的第k个观测值；将原始序列累加取得生成序列X(1),则有：X(1)＝(x(1)(1),x(1)(2)…,x(1)(k),…x(1)(n))，k＝1,2…n式(2)；式(2)中，根据序列X(1)构造连续时间t响应白化微分方程：从而得到上述微分方程的通解：a,b为模型参数；该通解即为X(1)的时间响应预测方程；采用时间离散化差分替换微分为后，还原得到原始数据列的离散预测方程，得到通解：设Z(1)为X(1)的紧邻均值生成序列，则有Z(1)＝(z(1)(1)，z(1)(2)，…，z(1)(n))式(5)；式(5)中，z(1)(k)＝0.5(x(1)(k)+x(1)(k-1))；设参数向量β＝(a,b)T，同时令：结合白化微分方程建立离散白化方程x(0)(k)+ax(1)(k)＝b，建立回归方程组：Y＝Bβ+ε，其中，ε为随机扰动项；利用最小二乘法可得其中，为β的最小二乘估计值，分别为参数a,b的最小二乘估计值；将其带入式(4)，得到原始数据序列的预测方程：其中，为第k+1期的预...

【专利技术属性】
技术研发人员：杨威，高锐，宋鹏飞，王毅，唐丽，张光煦，符玉松，邹立华，殷沛沛，马迅，朱东来，宫玉鹏，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：云南,53