王若琳

（中石化（大連）石油化工研究院有限公司，遼寧大連 116045）

成品油二次物流是指油品從油庫(kù)到加油站的運(yùn)輸組織過(guò)程，是成品油物流過(guò)程中的重要一環(huán)。實(shí)現(xiàn)加油站未來(lái)銷(xiāo)量的準(zhǔn)確預(yù)測(cè)，可以有效提高二次物流的運(yùn)輸調(diào)度精確性，幫助企業(yè)實(shí)現(xiàn)庫(kù)存管理與配送計(jì)劃編制，提升運(yùn)行效率。然而，加油站的銷(xiāo)量受多種因素影響，銷(xiāo)量數(shù)值波動(dòng)性較強(qiáng)且無(wú)顯著規(guī)律。因此，實(shí)現(xiàn)加油站銷(xiāo)量的準(zhǔn)確預(yù)測(cè)有一定的難度。

由于銷(xiāo)量預(yù)測(cè)任務(wù)的數(shù)據(jù)通常為時(shí)間序列形式，因此當(dāng)前大多使用時(shí)間序列模型，主要方法包括線性回歸、指數(shù)平滑[1]、整合移動(dòng)平均自回歸模型[2]、機(jī)器學(xué)習(xí)[3-5]、深度學(xué)習(xí)等。支持向量機(jī)[6]、決策樹(shù)、迭代算法[7]等模型同樣可用于預(yù)測(cè)任務(wù)，但在處理時(shí)間序列數(shù)據(jù)時(shí)，由于時(shí)間序列特性引起的高維度，存在消耗資源大、效率低等問(wèn)題。隨著深度學(xué)習(xí)的不斷發(fā)展，研究者提出了循環(huán)神經(jīng)網(wǎng)絡(luò)及其衍生方法：長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）[8]和門(mén)控循環(huán)單元[9]，2種衍生方法對(duì)于時(shí)間序列數(shù)據(jù)的處理和預(yù)測(cè)具有較好的效果[10-12]。部分學(xué)者將注意力機(jī)制[13-14]與深度網(wǎng)絡(luò)結(jié)合，使網(wǎng)絡(luò)更加關(guān)注重要的部分。然而，由于加油站銷(xiāo)量的時(shí)間序列具有較強(qiáng)的非線性特征，現(xiàn)有的模型精度仍有待提升。

1 加油站銷(xiāo)量影響因素分析

加油站銷(xiāo)量受到多種因素的影響，存在較大的波動(dòng)性。將加油站銷(xiāo)量影響因素分為特殊日期因素和長(zhǎng)短時(shí)因素兩大類(lèi)，通過(guò)對(duì)比不同加油站的實(shí)際銷(xiāo)量數(shù)據(jù)，分析不同因素對(duì)加油站銷(xiāo)量的影響程度。

1.1 特殊日期因素

加油站銷(xiāo)量可能會(huì)受到某些特殊日期的影響，包括油價(jià)調(diào)整、節(jié)假日、特殊天氣等。以某市一典型加油站全年真實(shí)數(shù)據(jù)為例進(jìn)行分析。

1）油價(jià)調(diào)整

通過(guò)繪制加油站實(shí)際銷(xiāo)量隨時(shí)間的變化圖（見(jiàn)圖1），可以發(fā)現(xiàn)，當(dāng)油價(jià)宣布即將上漲時(shí)，調(diào)價(jià)前的銷(xiāo)量會(huì)有所上升，調(diào)價(jià)后的銷(xiāo)量會(huì)有所下降；反之同理。銷(xiāo)量的變化幅度與調(diào)價(jià)幅度有關(guān)。當(dāng)油價(jià)調(diào)整幅度較大時(shí)，油品銷(xiāo)量的變化也較為明顯，反映出市場(chǎng)預(yù)期和價(jià)格信號(hào)機(jī)制在成品油市場(chǎng)發(fā)揮著一定作用。油價(jià)對(duì)銷(xiāo)量的影響主要集中在油價(jià)調(diào)整日期的前后2 天內(nèi)，影響的時(shí)間范圍不會(huì)過(guò)長(zhǎng)，反映出市場(chǎng)對(duì)價(jià)格的反應(yīng)速度較快，成品油市場(chǎng)機(jī)制較為健全有效。

圖1 油價(jià)對(duì)加油站銷(xiāo)量的影響注：圖中紅點(diǎn)表示當(dāng)日油價(jià)上調(diào)，綠點(diǎn)表示當(dāng)日油價(jià)下調(diào)，單位為元/t

2）節(jié)假日

通過(guò)繪制加油站實(shí)際銷(xiāo)量隨時(shí)間的變化圖，并在圖中標(biāo)出部分典型節(jié)假日節(jié)點(diǎn)（見(jiàn)圖2），可以發(fā)現(xiàn)，節(jié)假日對(duì)于加油站銷(xiāo)量的影響較為明顯，表現(xiàn)為：節(jié)假日前1 ～2 天，加油站銷(xiāo)量出現(xiàn)明顯的上升，在節(jié)假日前1天或節(jié)假日當(dāng)天達(dá)到峰值；節(jié)假日期間，銷(xiāo)量呈現(xiàn)下降趨勢(shì)；節(jié)假日后1 ～2天，銷(xiāo)量逐漸上升至正常水平。其中，春節(jié)期間銷(xiāo)量的激增與激降情況最為明顯，反映出我國(guó)成品油消費(fèi)體現(xiàn)著明顯的節(jié)日效應(yīng)。

圖2 節(jié)假日對(duì)加油站銷(xiāo)量的影響

3）特殊天氣

通過(guò)繪制加油站實(shí)際銷(xiāo)量隨時(shí)間的變化圖，并在圖中標(biāo)出特殊天氣節(jié)點(diǎn)（見(jiàn)圖3），可以發(fā)現(xiàn)，相較于其他因素，天氣對(duì)加油站銷(xiāo)量的影響較小。通過(guò)對(duì)數(shù)據(jù)的梳理，將天氣情況分為3類(lèi)。一是，晴、陰、多云、小雨、霾等一般天氣：加油站銷(xiāo)量基本不受天氣影響，可以保持正常水平。二是，中雨、小雪、雨夾雪、中雪等惡劣天氣：天氣對(duì)加油站銷(xiāo)量產(chǎn)生一定影響，部分加油站銷(xiāo)量會(huì)出現(xiàn)小幅下降（但天氣因素影響較小，遇國(guó)慶假期銷(xiāo)量仍然上升）。三是，暴雨、大雨、大雪、暴雪等極端天氣：天氣對(duì)加油站銷(xiāo)量會(huì)產(chǎn)生較為明顯的影響，部分加油站銷(xiāo)量會(huì)出現(xiàn)一定程度的下降，反映出成品油市場(chǎng)與不良天氣因素的關(guān)聯(lián)效應(yīng)。

圖3 天氣對(duì)加油站銷(xiāo)量的影響

1.2 長(zhǎng)短時(shí)因素

加油站銷(xiāo)量還可能與各類(lèi)長(zhǎng)短時(shí)因素有關(guān)，包括月份、星期、一天中的不同時(shí)間段等。選取某市A、B、C、D 4個(gè)典型加油站2022年真實(shí)銷(xiāo)量數(shù)據(jù)進(jìn)行分析。

1）月份

繪制2022 年4 個(gè)典型加油站月銷(xiāo)量變化情況（見(jiàn)圖4），可以看出，加油站銷(xiāo)量與月份有一定的關(guān)聯(lián)。1月和7月整體銷(xiāo)量較高，2月和11月銷(xiāo)量偏低。

圖4 不同加油站月銷(xiāo)量情況

2）星期

為消除季節(jié)等其他因素的影響，以周一為例，將全年所有周一的日銷(xiāo)量求和作為當(dāng)前的周一銷(xiāo)量，并依此得到不同加油站一周7 天的銷(xiāo)量變化情況（見(jiàn)圖5），可以看出，不同加油站一周7 天的銷(xiāo)量變化趨勢(shì)相近，相對(duì)而言，周五的銷(xiāo)量相對(duì)偏高，周末期間會(huì)有所下降。

圖5 不同加油站一周銷(xiāo)量變化情況

3）時(shí)間段

將2022年所有某時(shí)刻的銷(xiāo)量求和作為該時(shí)刻總銷(xiāo)量，繪制得到不同加油站一天24小時(shí)的銷(xiāo)量變化情況（見(jiàn)圖6），可以看出，加油站銷(xiāo)量在凌晨期間普遍較低，早晚出行高峰期間會(huì)出現(xiàn)銷(xiāo)量的急劇增加。

圖6 不同加油站單日分時(shí)段銷(xiāo)量變化情況

2 加油站銷(xiāo)量預(yù)測(cè)方法

2.1 研究思路

將LSTM 模型引入加油站銷(xiāo)量預(yù)測(cè)問(wèn)題，模型的輸入變量為前1 天或多天的加油站銷(xiāo)量分布情況，即24×n 個(gè)小時(shí)的銷(xiāo)量數(shù)據(jù)；輸出變量為后1 天或多天的加油站銷(xiāo)量分布，即加油站未來(lái)逐小時(shí)的銷(xiāo)量需求情況。為進(jìn)一步提升模型預(yù)測(cè)準(zhǔn)確性，在LSTM模型基礎(chǔ)上引入關(guān)鍵因素特征，與歷史銷(xiāo)量數(shù)據(jù)一同輸入模型進(jìn)行訓(xùn)練，幫助模型更好地學(xué)習(xí)加油站銷(xiāo)量的變化特點(diǎn)，豐富模型的可學(xué)習(xí)內(nèi)容。

2.2 模型特征數(shù)值量化

根據(jù)對(duì)銷(xiāo)量影響因素的分析，利用特征數(shù)值量化的方法建立合理的關(guān)鍵因素特征，使模型輸出的預(yù)測(cè)數(shù)據(jù)可以對(duì)相關(guān)因素作出有效反饋，提升模型的預(yù)測(cè)準(zhǔn)確性。

2.2.1 特殊日期特征

特殊日期因素可以通過(guò)對(duì)歷史銷(xiāo)量數(shù)據(jù)的分析，獲得較為明確的銷(xiāo)量變化趨勢(shì)，因此對(duì)其特征的量化公式設(shè)定為f＝A×10n的形式。其中A用于調(diào)整特征值的幅度，n 用于調(diào)整特征值的數(shù)量級(jí)，以保證特征數(shù)值與訓(xùn)練數(shù)據(jù)中的加油站銷(xiāo)量處于同一數(shù)量級(jí)；f為特殊日期因素的特征量化表示。

1）油價(jià)特征

根據(jù)國(guó)家油品調(diào)價(jià)政策得到調(diào)價(jià)日期及調(diào)價(jià)幅度，油價(jià)特征的量化采用分段函數(shù)的形式。以油價(jià)上調(diào)為例，對(duì)于調(diào)價(jià)當(dāng)天，油價(jià)調(diào)整一般于當(dāng)日24時(shí)進(jìn)行，在油價(jià)上漲前2天，消費(fèi)者會(huì)進(jìn)行儲(chǔ)油準(zhǔn)備，銷(xiāo)量有所上升，此時(shí)油價(jià)特征為正值（A＝m＞0），且上漲幅度越大，特征值A(chǔ)越大；對(duì)于調(diào)價(jià)前1天，調(diào)價(jià)對(duì)于隔天銷(xiāo)量的影響減弱，此時(shí)為油價(jià)特征賦較小的正值（A＝m/2）；對(duì)于調(diào)價(jià)后1天，此時(shí)價(jià)格已經(jīng)上漲，銷(xiāo)量會(huì)有所下降，此時(shí)為油價(jià)特征賦負(fù)值（A＝-m）；對(duì)于調(diào)價(jià)后2天油價(jià)調(diào)整影響減弱，此時(shí)為油價(jià)特征賦絕對(duì)值較小的負(fù)值（A＝ -m/2）。

2）節(jié)假日特征

相較于普通節(jié)假日，春節(jié)期間銷(xiāo)量的波動(dòng)程度更大，因此，將普通節(jié)假日與春節(jié)進(jìn)行區(qū)分，春節(jié)期間的特征幅度A大于普通節(jié)假日。

節(jié)假日開(kāi)始的前1天以及結(jié)束的后1天，銷(xiāo)量呈上升趨勢(shì)，特征值為正值；節(jié)假日期間，銷(xiāo)量下降，特征為負(fù)值。

3）天氣特征

天氣對(duì)銷(xiāo)量影響較小，特征幅度A小于其他特征。一般天氣時(shí)，A＝0；惡劣天氣時(shí)，A＝-0.5；極端天氣時(shí)，A＝-1。

2.2.2 長(zhǎng)短時(shí)因素特征

此類(lèi)因素較難通過(guò)歷史數(shù)據(jù)分析獲得明確的銷(xiāo)量變化趨勢(shì)，因此其特征設(shè)定方式是將歷史數(shù)據(jù)中，不同時(shí)間范圍全年銷(xiāo)量之和占全年總銷(xiāo)量的比值作為特征值。即若為月份特征，則特征值為該月銷(xiāo)量占全年總銷(xiāo)量的比重；若為星期特征，則特征值為全年所有該星期日銷(xiāo)量占全年總銷(xiāo)量的比重；若為時(shí)間段特征，則特征值為全年所有天數(shù)該時(shí)刻的銷(xiāo)量總和占全年總銷(xiāo)量的比重。

3 實(shí)驗(yàn)結(jié)果分析

選擇2018年12月至2023年6月某市多個(gè)典型加油站的歷史銷(xiāo)量數(shù)據(jù)作為模型數(shù)據(jù)集。數(shù)據(jù)反映為加油站各個(gè)油罐逐小時(shí)的液位情況。對(duì)數(shù)據(jù)進(jìn)行處理后，得到模型的可用數(shù)據(jù)，將其按照7∶3的比例劃分為訓(xùn)練集和測(cè)試集，并選擇均方誤差作為損失函數(shù)。

3.1 引入特征前后的預(yù)測(cè)效果對(duì)比

將基礎(chǔ)模型與引入特征后的模型預(yù)測(cè)效果對(duì)比可知，LSTM 基礎(chǔ)模型的預(yù)測(cè)情況與真實(shí)值之間存在較大誤差。以某典型加油站為例，基礎(chǔ)LSTM的預(yù)測(cè)誤差約為21.1%；引入長(zhǎng)短時(shí)因素特征后模型預(yù)測(cè)情況有所提升，預(yù)測(cè)曲線更接近真實(shí)值，模型預(yù)測(cè)誤差降低至18.3%，但對(duì)于特殊情況（節(jié)假日、油品調(diào)價(jià)）銷(xiāo)量的突然變化，預(yù)測(cè)效果依然不理想；最后引入特殊日期特征，模型對(duì)于油價(jià)調(diào)整、節(jié)假日期間銷(xiāo)量的急劇波動(dòng)，均可以做出較為正確的預(yù)測(cè)，模型預(yù)測(cè)準(zhǔn)確性明顯提升，預(yù)測(cè)誤差降低至13.6%（見(jiàn)圖7）。

圖7 引入特殊因素特征后的預(yù)測(cè)效果

3.2 模型預(yù)測(cè)效果

將模型應(yīng)用于不同加油站的不同油品，計(jì)算平均預(yù)測(cè)誤差（見(jiàn)表1），可以看出，模型中引入影響因素特征對(duì)模型預(yù)測(cè)效果有較大提升；模型對(duì)于加油站的汽油銷(xiāo)量預(yù)測(cè)結(jié)果平均誤差小于15%，柴油預(yù)測(cè)結(jié)果平均誤差小于18%，能夠滿(mǎn)足應(yīng)用需求。模型具有較好的通用性和魯棒性，在不同加油站中均有較好的預(yù)測(cè)表現(xiàn)。

表1 2 種模型對(duì)不同加油站汽、柴油的平均預(yù)測(cè)誤差 %

4 結(jié)語(yǔ)

通過(guò)將預(yù)測(cè)模型與市場(chǎng)銷(xiāo)售特點(diǎn)相結(jié)合，引入銷(xiāo)量影響因素特征，為加油站銷(xiāo)量預(yù)測(cè)提供了方法和思路，為成品油二次物流的運(yùn)輸調(diào)度提供準(zhǔn)確依據(jù)，便于工作人員實(shí)現(xiàn)加油站油品的主動(dòng)配送及庫(kù)存管理，具有一定的實(shí)際借鑒意義。