（4.10）
接着，在进行退化处理：X0（k+1）=X1（k+1）-X1（k） （3）简要数学分析
在得出最优还原序列后，进行精度检测，第一步进行残差检验，计算原始序列和模型预测值之间的残值： (k=1,2,3,4,5) （4.11）
并计算误差均值： （4.12） 第二步，计算关联度， 选取参考数列:
其中，k表示时刻，假设有m 个比较数列，则有： 则称： （4.13）
为比较数列X1对参考数列X0在k时刻的关联系数，其中 为分辨系数，常取p=0.5,称式（4.13）为中 、 分别为两级最小残差，两级最大残差。（k=1,2,3,4,5） 常称：
（4.14）
为比较数列X1对参考数列X0在k时刻的关联度，常取p=0.5，r1≥0.6，为关联度满足判断依据。
第三步进行方差比检验，计算公式如下： 预测误差均值： ，原始数据均值： （4.15） 原始数据标准差： （4.16） 预测误差标准差： （4.16）
方差比： ，S0=0.6745S1 （4.17）
在计算所得的误差中，所得的残差和方差比越小，预测的精度越好。具体的模型精度表如表4.1所示。其中四级为预测失败等级。 表4.1模型精度等级
Table 4.1 Model precision grade
精度等级 C
一级 二级 三级 四级
<0.35 <0.5 <0.65 ≥0.65
4.3 算例与流程 4.3.1 算例分析
某种应急物资的Ⅰ类物资，由历史资料获知日常应急状态下的城市应急物流应急物资储备需求如下表：(单位：箱),求2015年的日常储备需求。 表4.2日常状态应急物资的储备需求表（单位：箱）
Table 4.2 The State of emergency supplies daily reserve requirement in table（unit:box ） 年份 2010 2011 2012 2013 2014 需求量
120
132
143
155
171
某城市在某年某月突然爆发霍乱疫情，经专家预测分析此次应急事件的等级为Ⅱ级，并且给出在应急高峰期之内的物资需求量如表4.3所示。政府机构组成应急控制中心，在政府从专家的需求量预测进行物资配送后，获得初始需求量序列为（68，72，74，78，80），现需要对应急物资的Ⅰ类物资进行需求预测。
表4.3 应急高峰期之内的物资需求量表（单位：箱）
Table 4.3 The demand for emergency supplies table in the peak period emergency (units: box) 专家编号 需求量
1 50
2 55
3 52
4 56
5 58
由上数据进行分析：
（1）对日常状态下，进行日常储备需求预测，联立式（4.1）、（4.2）与(4.3)，平均绝对误差公式，取λ1=0.6，λ2=0.75，λ3=0.9，Y1 =20，S10取前两年的需求值的平均值，其数值为21，
因此，用excel计算一次指数平滑值如表4.4所示。 表4.4 一次指数平滑值表（单位：箱）
Table 4.4 The Single exponential smoothing value table (units: box)
年份 期数 YV
λ1值为0.6的S1v λ2的值为0.75的S1v λ3 的值为 0.9的S1v
λ1值为0.6的绝对误差
— 120 132 143 155 171
—
126
λ2值为0.75的绝对误差 λ3值为0.9的绝对误差 126
126
— 1.5
— 0.6
3.84 2.63 1.14 5.94 3.41 1.21 7.17 3.85 1.32 9.27 4.96 1.73 —
初始值 2010 1 2011 2 2012 3 2013 4 2014 5
122.4 121.5 120.6 2.4 128.16 137.06 147.83 161.73
129.38 139.59 151.15 166.04
130.86 141.79 153.68 169.27
平均绝对误差AD 5.72 3.27 1.2
由表可以看出，平滑指数为0.9的平均绝对误差最小，并且根据实际要求箱数是整箱的。因此，2015年的日常储备需求预测值为170箱。 （2）应急状态下,进行城市应急物资的预测
①首先对专家的预测进行分析，联立式（4.4）可以求得：
将表4.3的数据，代入公式运用excel计算，求得U1=54箱，此时政府按照此需求进行Ⅰ类物资，从协议企业进行调拨。
②其次，对需求初始序列（68，72，74，78，80），建立灰色预测模型，有： ( )=（68，72，74，78，80） （4.18） 进而求得：
( ) =（68，140，214，292，372） （4.19） ②因此有：
? ?= ? ? （4.20）
y=( )T =（72，74，78，80）T （4.21）
继而求得：H=(η|h)= =（■(-0.0364@68.2035)），即η=-0.0364，h=68.2035,将 =68代入：（k=5）
（4.22）
求得：X1（6）= 455.6396，做退化处理得：
X0（6）= X1（6）- X1（5）=455.6396-372=83.6396 ③最后有精度检验： 1)进行关联检验 第一步，计算残差
e(1)=0,e(2）=0.0158，e(3)=0.6393,e(4)=0.0644,e(5)=0.3623 因此，min{ e(k)}=0,max{ e(k)}=0.6393。 第二步，计算关联度
（1）=1， (2）=0.9530, (3)=0.3333, (4)=0.8322, (5)=0.4687 =0.7175＞0.6
因为，r1=0.7175是基本满足p=0.5时，r≥0.6的判断依据。因此关联度检验通过。 2）进行后验差检验（k=1,2,3,4,5,n=5） 第一步，计算原始数据均值： =74.4 计算原始数据标准差： =4.2708 第二步，计算残差均值： =0.2164 计算残差的标准差： =0.2785
0.0652<0.35，S0=0.6745S1= 2.8807，
=（0, 0.0158， 0.6393, 0.0644,=0.3623）＜S0， 故精度等级为一级，C<0.35， 所以，后验差检验通过。
综上所述，在应急状态下，应急物资的需求预测为84箱。 4.3.2 模型流程
在模型构造完毕以后，具体的模块实现预测工作流程图4-2如下： 图4-2城市应急物流物资需求预测工作流程
Fig 4-2 The city emergency logistics supplies demand forecasting workflow 其中，灰色法预测流程图如图4-3所示。 图4-3 灰色法预测流程图
Fig 4-3 Gray prediction flowchart 4.4 本章小结
本章首先对一般的一般预测流程进行简单介绍，接着再对城市应急物流物资需求预测模型的条件说明，再次对城市应急物流物资需求预测模型进行构建，最后对对城市应急物流物资需求预测模型的运作流程和灰色关联法流程进行说明。 第5章 城市应急物流配送策略
城市应急物流配送策略是城市应急管理在应对突发事件时，对应急物资的集配策略。它关键是城市应急物流配送中心的选址，以及应急物资的配送策略。本章考虑到城市应急物流的特征，从两方面对城市应急物流配送策略，一方面是城市应急配送中心选址模型，另一方面是城市应急物流物资的配送策略。 5.1 城市应急配送中心选址模型 5.1.1 问题分析
在城市应急管理展开应急救援工作时，大量的应急物资从物资储备库，或者其它途径运到，突发事件的城市应急配送中心后，再由城市应急配送中心向应急需求点进行物资的配送。城市应急物流配送中心选址问题，是在突发事件附近的所有物资备选地址集合，选择合适的位置作为物资配送中心。所以在进行城市应急配送中心构建时，必须先对城市按行政管理的角度进行分区，接着对城市应急配送中心进行选址构建。这样就建立起一系列的城市应急配送区域，实现对各个应急物资需求点的配送，进而实现对整个城市应急需求的配送。 5.1.2 条件假设
城市应急配送中心选址的影响因素用很多，但是由于突发事件下的城市应急物流突出在“应急”上，本文假设：
影响城市应急配送中心选址的因素是可知的，同时关键的选址影响因素是可以量化的； 在进行第一步时选择城市应急配送中心构建方案是有限的，同时所有方案中存在最优的
方案；
构建的城市应急配送中心的处理能力足够大，能及时满足城市应急配送中心所在区域的
物资配送需求。
城市按照行政管理方法进行划分应急配送中心不影响整个城市的应急物资需求。