首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >中国快递包裹总量的预测-基于SARIMA模型

中国快递包裹总量的预测-基于SARIMA模型

作者头像
机器学习AI算法工程
发布2018-03-14 15:27:17
2K0
发布2018-03-14 15:27:17
举报

国家邮政局发布的数据显示,2015年4月底,快递业务量完成15亿件,同比增长50.9%。目前,快递业务量增速已连续50个月超过50%,尤其是网购旺季(双十一、双十二等),我国快递包裹在当月的总量在世界范围内没有任何国家可以相比。 电子商务的兴盛有效带动快递行业的高速发展,反之,快递行业的提升也为电子商务的增长提供配套支撑。

不过,快递业在迅猛发展的同时,也让行业“亚健康”的现状越发凸显。业内人士表示,虽然国内快递行业仍在高速增长,但目前运营“压力山大”,比如人员、车辆、场地等问题。

国家统计局网站公布的快递包裹量数据可以看作是标准的时序数据,但与普通时序数据不同的是,它的数值变化存在明显的季节性波动。处理季节性时间序列只用ARMA方法是不够的。描述这类序列的模型之一是季节时间序列模型(Seasona ARIMA Model),用SARIMA表示。

本文旨在通过SARMA模型研究中国快递包裹总量变化情况,并测算合理参数构建模型用于预测,以帮助有关部门提前了解快递量需求,做好相应对策。从国家统计局网站下载2003年1月至2014年12月的快递量-当期值(万件),首先,通过时间序列图对快递包裹量变化情况作一个直观判断。

上代码,R语言实现:

install.packages("forecast")

library(tseries)

#加载时间序列程序包

library(forecast)

require(graphics)

#快递包裹量(国家统计局数据)

ts.plot(exp)

#作这个时间序列的图,通过图作一个直观判断

从上图可以看出,从2008年开始,我国快递包裹量呈级数增长,并且存在明显的周期性变化,快递行业在此期间飞速发展。这种周期是由于季节性变化(包括季度、月度、周度等变化)或其他一些固有因素引起的。这类序列称为季节性序列。在快递包裹运输领域中,季节性影响是不可避免的。处理季节性时间序列只用ARMA方法是不够的。描述这类序列的模型之一是季节时间序列模型(Seasonal ARIMA Model),用SARIMA表示。

par(mfrow=c(1,2))

acf(exp)

#查看自相关图

pacf(exp)

#查看偏相关图

经过图形观察,可以初步判断出:

1.我国快递包裹量有明显呈级数增长趁势;

2.包裹量的变化存在季节性因素;

3.通过自相关-偏自相关图可以看出,应该使用MA()模型来拟合。

接下来使用R软件时间序列包的decompose函数对包括时序数据进行分解,分别为随机、趋势、季节。

x<-decompose(exp)

#通过decompose 进行分解:随机、趋势、季节

plot(x)#作图查看

通过随机、趋势、季节三张图可以看出,我国快递包裹量呈级数增长;包裹量的变化存在季节性因素;时序随机性变化平稳。

plot(x$seasonal)

通过以上分析,选择ARIMA(0,1,1)(0,1,1)[12]模型拟合数据效果最好,下面进行模型定阶检验:

exp.fit <- arima(exp,order=c(0,1,1), seasonal=list(order=c(0,1,2), period=12))nobs(exp.fit)

## [1] 131

tsdiag(exp.fit)

模型预测

arimafit<-auto.arima(exp)

plot(forecast(arimafit,h=20))

exp.forecast <- forecast(exp,4)

#给出80%,95%置信度下的置信区间,向前预测12期,默认情况下24期

plot.forecast(exp.forecast)

b=exp.forecast$mean #2015年预测值

a=c(144570.40,81779.50,142537.80,151483.90)

#2015年真实值

(b-a)/a

#误差

## Jan Feb Mar Apr

## 2015 0.7768333 1.3146107 0.8487638 0.6584730

除了二月份,其余三个月的预测值可以说非常准。二月份之所以不准,主要原因是赶上春节假期,全国休假,包裹量骤降是必然的。

综上所诉,针对带有季节波动性的时序数据,SARIMA模型明显优于ARIMA模型。通过SARIMA模型的预测结果可以看出,今后几年,我国快递行业将保持持续快速发展态势。

全国还有将近一半的乡镇不通快递。在这些乡镇,人们网购还不像北上广等大城市居民那样方便。还有很多农民盼望着快递企业可以帮助他们利用网络打开市场。因此,中国快递市场增长空间仍然十分巨大。


本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2016-09-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据挖掘DT数据分析 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 模型预测
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档