云南省快递业务量DGM（2，1）预测模型,本论文主要论述了业务量论文范文相关的参考文献,对您的论文写作有参考作用。
业务量论文参考文献：
摘 要：文章首先分析云南快递行业发展现状,总结云南快递业发展现状的特点.其次,根据快递业务量数据序列特点,为提高计算精度,运用DGM（2,1）预测模型,利用2012-2016年间各个季度的云南快递业务量数据,对未来5年间各季度的快递业务量进行预测和分析.最后,对DGM（2,1）模型预测结果和GM（1,1）模型计算结果进行对 析.
关键词：快递业务量；DGM（2,1）模型；预测分析及比较
一、引言
当下是一个电商时代,电商行业的迅猛发展,带动了相关服务业的发展,例如快递行业今年的发展可谓蒸蒸日上,发展前景一片向好,为国家带来新一轮的经济增长点,2015年12月《国务院关于促进快递行业发展的若干意见》中强调快递行业的重要性,并要求未来五年内实现各种指标翻一番的目标.
由于快递行业本身的特殊性,导致各年各月的数据呈现不同的波动,但具体分析来看,都呈单调递增趋势,快递业务量摆动发展序列为饱和的S形序列,因此可用DGM（2,1）模型进行预测和分析.
1.数据来源
根据云南省邮政管理局公布统计信息可得到云南省快递季度业务量数据,见表1
2.数据分析
数据量较少,不适用统计方法,但分析来看,快递业务量增长趋势又是有规律的,符合预测模型分析的要求,因此,可用预测模型对其进行分析和预测,本文主要采用DGM（2,1）模型对云南省各季度的快递业务量进行预测分析.
3.云南省快递季度业务量走势分析
从图可知,2012年-2016年第一季度至第四季度快递业务量均成递增的趋势,且2014年以后发展陡增,第四季度从2013年后增长较快,业务量发展迅速,显而易见,第四季是快递业发展的大好时机.
二、DGM（2,1）预测模型的建立
2.模型的检验
任何预测模型都需经过检验才能判定其是否科学可行,只有检验合理的模型才能用来进行相应的预测研究.
一般来说,我们可以用平均相对误差来刻画模型的精度：平均相对误差小于等于1%、5%、10%、20%的精度等级分别为一、二、三、四级.等级越小,精度越高.
三、模型的求解和检验
从以上结果可以看出,两个模型的模拟精度都在之内,DGM（2,1）模型对于第四季度的模拟精度达到二级.总体看来,DGM（2,1）模型比GM（1,1）模型的精度略高,且渐进性能较好,比较适合用于此类问题的预测.但是,对于第二季度模拟结果,DGM（2,1）模型的精度反而不如GM（1,1）模型.这是因为相对来说,第二季度的数据变化比较平缓的缘故.DGM（2,1）模型特别适合模拟数据随时间变化比较剧烈的情况.对于数据严格按照指数规律平缓增长的情形,DGM（2,1）模型并不比GM（1,1）模型更优.因此,在实际应用中,因优先使用GM（1,1）模型进行模拟预测,对GM（1,1）模型表现不好的数据再用DGM（2,1）模型进行模拟和预测.
运用DGM（2,1）模型,我们通过计算可得到2017-2021年的快递业务量的预测值,见下表：
四、结果比较及分析
由表6可知,GM（1,1）及DGM（2,1）模型的预测值可以看到,两个预测值非常接近,可见这样的预测有一定的可行性及科学性合理性；其中,2017年第一季度的业务量达到4187.88万件,已超过了2012年全年总业务量,特别是在第四季度业务量出现猛增的趋势依然存在.
參考文献：
[1]刘思峰,党耀国.灰色系统理论及其应用[M].北京：科学出版社,2005.
[2]刘琳.新能源风电发展预测和评价模型研究[D].华北电力大学,2013.
[3]谢建华,崔新维,等.运用灰色理论预测我国风电装机容量.新疆农机化,2005（03）：28-29.
[4]路正南,张志娟.我国风电产业装机容量预测分析[J].科技和管理,2011（01）：77-80.
[5]余晓钟,高庆欣,等.丝绸之路经济带建设背景下的中国--中亚能源合作战略研究[J].经济问题探索,2016（01）：149-154.
[6]陈志龙.中国和东盟合作前景及发展趋势的思考--“21世纪海上丝绸之路”视野下[J].当代经济,2015（28）：6-7.
[7]李正娇.云南省快递行业季度业务收入预测模型及分析[期刊论文]-中国商论,2017（01）.
结论：关于业务量方面的的相关大学硕士和相关本科毕业论文以及相关业务量 英文论文开题报告范文和职称论文写作参考文献资料下载。
基于灰色GM（1，1）模型陕西国际物流战略
基金项目：本文系陕西省社会科学界重大理论与重大现实问题研究课题“一带一路战略下基于物流成本视角的陕西国际物流发展战略研究”的阶段性研究成果（项目。
基于GM（1，1）太原空气环境质量
摘 要：本文利用1999-2012年数据，通过GM（1，1）模型对太原空气主要污染物浓度作出预测，预测结果表明：太原空气中NO2浓度将略呈上升趋。
灰色GM（1，1）模型在物流运输预测中的应用
本文讨论了灰色预测模型以及灰色预测模型在物流运输预测中的应用。建立了基于灰色预测理论的GM（1，1）模型，并以物流公司年度总运输量为例 进行了实。
基于GARCH（1，1）模型的中国股市收益率预测
摘 要：文章基于GARCH（1，1）模型估计股票未来收益率范围。首先利用此模型求出个股的年波动率，并结合股票价格正态性估计出某时段的收益率范围，。