模糊的概念首先是由Zadeh于1973年提出的,并在近年来得到了迅速的发展。模糊模型在本质上是一种非线性模型,非常易于采用语言方式表达非线性系统的动态特性,而且目前的研究已经证明了模糊系统是一种万能逼近器,可以任意精度逼近任意非线性系统。因此模糊建模被认为是解决非线性复杂系统的可行的方法。
与传统的建模方法相比,模糊建模具有如下的优点:
l)模糊模型能够有效地辨识复杂甚至病态结构的系统;
2)模糊模型能够有效地辨识大时延、时变、多变量、非线性系统;
3)模糊模型在同一种结构中集成了数字与符号表示,从而可以处理定量与定性的知识表示;
4)模糊模型的模糊规则的表示形式,可以用于分析系统的行为特性;
5)模糊模型不同的表现形式,可以服务于系统分析、数字仿真等不同的建模目的。
针对连锁零售企业供应链风险预测的不可预知性很强,简单的线性预测方法很难准确地预测未来值。有时风险信息与因素,专家经验显得尤为重要,模糊预测方法可以从不精确、不完全的已知信息量中抽丝剥茧,并且利用所设计的专家系统知识库,得到比较准确可靠的预测值。并且,模糊预测不需要耗费大量的精力去建立精确的数学预测模型,它用类似于专家的预测方法去进行推理和判断,可以与多种预测方法很好地结合。
模糊预测中由于引入了一个“隶属度”的概念,可以有效地实现主客观因素的融合。针对风险等级边界,本文提出可依据风险数据分布特征,采用正态、柯西、岭形等连续性与平滑性较好的分布函数描述风险的渐变过程。其中关键质变点d14,如图3-4所示,表示隶属度为1的转折点。这个关键节点的确定可参照专家意见认为r14(d14)=1,表示某一可能引发风险的指标参数值是风险量变的关键质变节点。这样对应的模糊隶属函数可表示为,
式中,σ14为正态分布的标准差,可依据实测指标数据统计获得。
(www.daowen.com)
图3-4 采用模糊隶属度函数描述风险的渐变过程
这样,通过对多个指标信息的有效继承,可以较好地避免风险预测信息丢失,通过融合主客观因素实现对风险边界信息的有效的度量。
针对连锁零售企业供应链风险,融合主客观因素的模糊预测算法的主要流程如图3-5所示。
图3-5 融合主客观信息的模糊预测流程图
传统的回归预测法,是在分析表征零售市场现象规律的自变量和因变量之间相关关系的基础上,建立变量之间的回归方程,并将回归方程作为预测模型,根据自变量在预测期的数量变化来预测因变量关系大多表现为相关关系,因此回归分析预测法是一种重要的零售市场门店销量预测方法。当我们在对市场现象未来发展状况和水平进行预测时,如果能将影响市场预测对象的主要因素找到,并且能够取得其数量资料,就可以采用回归分析预测法进行预测。它是一种具体的、行之有效的、实用价值很高的常用零售市场预测方法,常用于中短期预测。
然而,传统回归预测法均假定,观测值是由实际因变量影响加上随机误差而产生的。也就是因变量是一种带有不确定性的随机变量。在连锁零售企业供应链领域的预测分析,由于有些观测值不是以单一数值的形式存在,而是带有多重隶属的特性,这样采用模糊理论进行描述与度量具有一定的适用性。这是因为连锁零售企业供应链中设计的指标本身的这种模糊与不确定性,在某些情况下如果利用假设的“精确值”建立模型,由于受“离群值”的影响,有可能会扩大预测结果和实际状态之间的误差。近年来,一些学者认为,在人文社会科学的测度理念里,模糊统计和模糊相关性的使用是对数值模型的推广。
为此,运用模糊观点套用回归分析与预测方法处理模糊数据问题,就称为模糊回归分析与预测方法。受这种观点启发,模糊理论与各类常规预测方法相结合可以更贴近客观事实,提高模型的可行性与有效性。其中郑承利(2003)针对信用风险中的KMV违约预测模型,其中的违约点固定这一假设与实际情况相抵触带来的问题,通过将违约点模糊化,使之成为一个可滑动的区间,从而使得违约事件成为一个模糊事件。据此,将KMV模型改造为模糊预测模型。案例研究表明,改进后的模型更符合实际情况,是可行的方法。
模糊神经网络是模糊理论同神经网络相结合的产物,它汇集了神经网络与模糊理论的优点,集学习、联想、识别、信息处理于一体。人工神经网络是模拟人脑结构的思维功能,具有较强的自学习和联想功能,人工干预少、精度较高,对专家知识的利用也较好。但缺点是它不能处理和描述模糊信息,不能很好利用已有的经验知识,特别是学习及问题的求解具有黑箱的特性,其工作不具有可解释性,同时它对样本的要求较高;模糊系统相对于神经网络而言,具有推理过程容易理解、专家知识利用较好、对样本的要求较低等优点,但它同时又存在人工干预多、推理速度慢、精度较低等缺点,很难实现自适应学习的功能,而且如何自动生成和调整隶属度函数和模糊规则,是一个棘手的问题。如果将两者有机地结合起来,可起到互补的效果。王慧萍(2010)针对第三方物流项目风险的特点,从第三方物流规划项目的实际要求出发,建立第三方物流项目风险评价指标体系,提出BP模糊神经网络的模型及算法,设计网络并进行网络训练,通过实证分析证明了模型具有较好的预测风险效果,为第三方物流项目风险的预测提供了一种新的思路。此外,王政等人(2006)利用模糊数学的基本原理建立视情维修故障检测间隔模型。在建模的过程中将动态隶属度函数引入模糊预测推理方法,形成动态隶属度矩阵。分别以装备可靠度和维修费用为主要考虑因素,最后得出检测间隔时间的取值计算模型。应用该模型所得出的检测间隔,在保证装备的可靠度前提下,能够最大限度地减少维修工作量和维修经费开支,提高舰船的在航率。经过实践检验,该模型的针对性与实用性均较强。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。