陳文沛 陳藝嫻

作者簡介：陳文沛（1973—），女，漢族，湖南岳陽人，教授，碩導，重慶郵電大學經濟與管理學院，研究方向：市場營銷。

陳藝嫻（1990-），女，漢族，湖北孝感人，碩士研究生，重慶郵電大學經濟與管理學院，研究方向：物流運作管理。

摘要：當今世界，突發(fā)事件時有發(fā)生，影響日益嚴重，對物資的運輸及時性和數(shù)量準確性的要求越來越高，使得應急物資需求預測成為關鍵。本文從案例推理和數(shù)學模型兩個方面，概述了救災應急物資的需求預測方法。

關鍵詞：應急物資；需求預測；案例推理；數(shù)學模型

就目前情況來看，與救災應急物資需求預測相關的還處于研究階段，國內還處于起步階段，研究成果并不多?，F(xiàn)有的救災應急物資需求預測方法有2種：第一種是考慮關鍵因素，運用案例推理（CBR，Case-Based Reasoning）的理論，在此過程中尋求最佳相似源案例從而進行估算；第二種是運用數(shù)學模型進行估算。

一、案例推理

目前人工智能中，案例推理是一種比較新興的推理方法，它最早出現(xiàn)在一本叫做《Dynamic Memory》中，它是由美國耶魯大學Roger Schank教授1982年所作的。相似原理是其理論基礎。在進行問題求解的過程中，因為以前有類似問題，我們可以使用其中獲得的經驗和知識來進行推理，然后分析出新舊情況之間的差異并對其做相應的調整，從而得到解決新問題的方法，并在案例庫中加入新的案例，隨著案例庫中案例的增加，系統(tǒng)的“經驗”將會越來越豐富。首先對新問題的特征進行詳細的描述，然后根據(jù)這些特征，從案例庫中檢索相似案例，比較舊案例與新問題的異同之外，對舊案例進行調整，從而獲得新問題的解。這就是案例推理的核心思想。近年來，有學者運用案例推理的思想方法研究應急物資的需求預測。

王曉等[1]主要利用案例推理法進行資源需求預測，同時將模糊集理論，神經網絡與案例推理相結合，通過模糊化案例的屬性，以及利用神經網絡對權值進行訓練調整，還將資源進行了分類預測，改進了以往算法的精確度，提高了非常規(guī)突發(fā)事件預測的效率和精度。在得出相似案例之后，根據(jù)多元回歸理論，對資源需求進行了預測。

張曉磊等[2]利用模糊相似優(yōu)先比的算法，從源案例庫中尋找與目標案例最佳相似的樣本案例，并通過最佳相似樣本案例的數(shù)據(jù)資料和規(guī)律，抽取主要因素，進行目標案例的需求預測。

王蘭英等[3]基于應急物資需求預測的特點，引入直覺模糊集來描述案例的不精確屬性。在定義直覺模糊集的相似度基礎上，構建了源案例的特征因素矩陣，提出了基于模糊案例推理的應急物資需求預測模型，通過算例分析驗證了該方法的有效性。

二、數(shù)學模型

近年來，學者運用各種數(shù)學模型研究救災應急物資需求。有學者運用具有較強的非線性逼近能力的神經網絡研究應急物資需求預測。而有些專家先運用相關方法預測災害中的受傷人數(shù)和死亡人數(shù)，再結合庫存管理知識構建數(shù)學模型預測應急物資需求量。也有學者運用適用于小樣本的最小二乘支持向量機構建模型預測應急物資需求。還有學者運用灰色系統(tǒng)模型預測應急物資需求。

孫燕娜等[4]設計了一個需求概念模型，該模型是與醫(yī)療、食物或者日常用品等相關的。實際最小需求量與災害等級、受災面積、人口密度、每人每天對物資的需求量以及應急救援的最少天數(shù)等相關，它們之間構成了一個的函數(shù)。

郭金芬等[5]對災后受傷人數(shù)和死亡人數(shù)進行了預測，采用的是BP神經網絡算法，然后算法與模型相結合，對災區(qū)應急物資的需求量進行估算。

趙一兵等[6]先用支持向量機回歸算法建立了人員傷亡預測模型，該模型與庫存管理模型相結合，對應急物資進行了估算。

劉文博等[7]針對應急物資需求量的預測問題，提出了一種改進的加權最小二乘支持向量機的數(shù)據(jù)驅動建模方法。在該方法中，各數(shù)據(jù)樣本的權重可以根據(jù)最小二乘支持向量機的學習結果進行不斷的自適應迭代修正，從而消除包含誤差的數(shù)據(jù)樣本對預測模型的影響。此外，還提出了一個遺傳算法優(yōu)化確定模型中的參數(shù)。

宋曉宇等[8]通過對原始數(shù)據(jù)序列進行變換使其服從指數(shù)規(guī)律的方法改進了傳統(tǒng) GM（1，1）模型，克服了其指數(shù)規(guī)律的不足，用改進模型對應急物資需求量進行了預測。

王正新等[9]針對災害應急物資需求量時間序列的小樣本和振蕩性特征，基于Fourier-GM（1，1）模型，提出了相關的應急物資需求量預測方法。該方法首先對給定的小樣本振蕩序列建立具有自適應背景值的GM（1，1）模型，然后應用Fourier級數(shù)描述模型殘差中所包含的周期性振蕩信息，進而構建Fourier-GM（1，1）模型。在此基礎上，利用遺傳算法在平均預測誤差最小化準則下求解模型的最優(yōu)參數(shù)。

王正新等[10]針對現(xiàn)實世界廣泛存在的小樣本振蕩序列建模和預測問題，提出含有系統(tǒng)延遲和時變參數(shù)的振蕩型GM（1，1）冪模型，給出了最小二乘準則下的兩級參數(shù)包計算公式，在此基礎上構建非線性優(yōu)化模型以尋求最佳冪指數(shù)和時間作用參數(shù)，以此識別原始數(shù)據(jù)所蘊含的振蕩特征.，并將該模型應用于應急資源需求預測。

曾波等[11]應用灰色系統(tǒng)建模技術對灰色異構數(shù)據(jù)預測建模方法展開研究，首先，基于“核”和“灰度”對灰色異構數(shù)據(jù)進行規(guī)范化處理；然后，建立灰色異構數(shù)據(jù)“核”序列的 DGM（1，1）模型，并以“核”為基礎，根據(jù)灰度不減公理，以灰色異構數(shù)據(jù)序列中最大灰度值所對應的信息域作為預測結果的信息域，推導并構建了灰色異構數(shù)據(jù)預測模型；最后，將該模型應用于某地震帳篷需求量的預測。

結論

不確定性、非例行性是突發(fā)事件的一些特點，而應急物資的需求預測就是因為這些特點而增加了難度。雖然應急物資具有社會性和弱經濟性，但是提高對應急物資需求預測的精度仍然具有重要的意義。專家學者還應深入研究應急物資需求預測方法，進一步提高預測的精度。（作者單位：重慶郵電大學）

參考文獻：

[1]王曉，莊亞明.基于案例推理的非常規(guī)突發(fā)事件資源需求預測[J].西安電子科技大學學報（社會科學版），2010，04：22-26.

[2]張曉磊，楊西龍，展麗瀟.基于模糊相似推理的應急物資需求預測模型研究[J].物流技術，2012，09：229-231.

[3]王蘭英，郭子雪，張玉芬，尚永勝，張露.基于直覺模糊案例推理的應急物資需求預測模型[J].中國礦業(yè)大學學報，2015，04：775-780.

[4]孫燕娜，王玉海，廖建輝.救災需求內涵模式及其指標體系與救助評估研究[J].經濟與管理研究，2010，06：85-94.

[5]郭金芬，周剛.大型地震應急物資需求預測方法研究[J].價值工程，2011，22：27-29.

[6]趙一兵，高虹霓，馮少博.基于支持向量機回歸的應急物資需求預測[J].計算機仿真，2013，08：408-412.

[7]劉文博.基于加權最小二乘支持向量機的應急物資需求預測方法[J].物流技術，2015，18：163-166+180

[8]宋曉宇，劉春會，常春光.基于改進GM（1，1）模型的應急物資需求量預測[J].沈陽建筑大學學報（自然科學版），2010，06：1214-1218.

[9]王正新，劉思峰.基于Fourier-GM（1，1）模型的災害應急物資需求量預測[J].系統(tǒng)工程，2013，08：60-64.

[10]王正新.振蕩型GM（1，1）冪模型及其應用[J].控制與決策，2013，10：1459-1464+1472.

[11]曾波，孟偉，劉思峰，李川，崔杰.面向災害應急物資需求的灰色異構數(shù)據(jù)預測建模方法[J].中國管理科學，2015，08：84-91