物流工程理論—物流系統(tǒng)預(yù)測技術(shù)和應(yīng)用

1、1物流工程理論物流系統(tǒng)預(yù)測技術(shù)和應(yīng)用25.1 物流預(yù)測概述5.1.1 物流預(yù)測的理論 1.物流預(yù)測的必要性 預(yù)測是根據(jù)過去和現(xiàn)在的已知因素，運用人們的知識、經(jīng)驗和科學(xué)方法，對未來進(jìn)行預(yù)計，并推出事物未來的發(fā)展趨勢。35.1 物流預(yù)測概述5.1.1 物流預(yù)測的理論2.物流預(yù)測的可行性大宗貨物或大流量一般來說相對穩(wěn)定大宗貨物的發(fā)送和到達(dá)比較集中一些重要物資的產(chǎn)運系數(shù)（運量與生產(chǎn)量的比率）在短期內(nèi)比較穩(wěn)定主要貨流的平均運程相對穩(wěn)定，其變動規(guī)律也可以探討現(xiàn)代統(tǒng)計制度可以提供相當(dāng)部分預(yù)測所需要的基礎(chǔ)資料45.1 物流預(yù)測概述5.1.1 物流預(yù)測的理論2.物流預(yù)測的可行性一些物資的需求和生產(chǎn)有其自身規(guī)律性

2、，從而為物流預(yù)測提供有價值的信息企業(yè)可以積累物流預(yù)測的許多資料55.1 物流預(yù)測概述5.1.2 物流預(yù)測的分類1.物流預(yù)測的角度進(jìn)行分類宏觀預(yù)測微觀預(yù)測2.物流服務(wù)的供求關(guān)系物流服務(wù)的需求預(yù)測物流服務(wù)的供給預(yù)測65.1 物流預(yù)測概述5.1.2 物流預(yù)測的分類 3.物流預(yù)測的時間長度進(jìn)行分類短期預(yù)測中期預(yù)測長期預(yù)測75.1 物流預(yù)測概述5.1.3 物流預(yù)測的步驟 確定預(yù)測目標(biāo) 收集、分析有關(guān)資料 選擇預(yù)測方法進(jìn)行預(yù)測 分析評價預(yù)測方法及預(yù)測結(jié)果 修正預(yù)測結(jié)果 提交預(yù)測報告85.1 物流預(yù)測概述5.1.3 物流預(yù)測的方法 定性法 歷史映射法 因果法95.2 物流預(yù)測概述5.2.1 區(qū)域、社會等物流

3、宏觀預(yù)測 1.增長系數(shù)模型105.2 物流預(yù)測概述5.2.1 區(qū)域、社會等物流宏觀預(yù)測 1.增長系數(shù)模型115.2 物流預(yù)測概述5.2.1 區(qū)域、社會等物流宏觀預(yù)測 2.回歸分析法（因素分析法） 一元線性回歸分析預(yù)測法，是根據(jù)自變量x和因變量Y的相關(guān)關(guān)系，建立x與Y的線性回歸方程進(jìn)行預(yù)測的方法。由于市場現(xiàn)象一般是受多種因素的影響，而并不是僅僅受一個因素的影響。所以應(yīng)用一元線性回歸分析預(yù)測法，必須對影響市場現(xiàn)象的多種因素做全面分析。只有當(dāng)諸多的影響因素中，確實存在一個對因變量影響作用明顯高于其他因素的變量，才能將它作為自變量，應(yīng)用一元相關(guān)回歸分析市場預(yù)測法進(jìn)行預(yù)測。 12 一元線性回歸分析法的預(yù)

4、測模型為： 13 一元線性回歸分析法的預(yù)測模型為： 143.1 灰色預(yù)測理論3.2 GM(1,1)模型 3.3 GM(1,1)殘差模型及GM (n, h)模型 3 灰色預(yù)測法回總目錄153灰 色 預(yù) 測 理 論 一、灰色預(yù)測的概念 （1）灰色系統(tǒng)、白色系統(tǒng)和黑色系統(tǒng) 白色系統(tǒng)是指一個系統(tǒng)的內(nèi)部特征是完全已知的，即系統(tǒng)的信息是完全充分的?；乜偰夸浕乇菊履夸?6 黑色系統(tǒng)是指一個系統(tǒng)的內(nèi)部信息對外界 來說是一無所知的，只能通過它與外界的 聯(lián)系來加以觀測研究。 灰色系統(tǒng)內(nèi)的一部分信息是已知的，另一 部分信息是未知 的，系統(tǒng)內(nèi)各因素間有不 確定的關(guān)系?；乜偰夸浕乇菊履夸?7 灰色預(yù)測法是一種對含有不確

5、定因素的系統(tǒng)進(jìn)行預(yù)測的方法。 灰色預(yù)測是對既含有已知信息又含有不確定信息的系統(tǒng)進(jìn)行預(yù)則，就是對在一定范圍內(nèi)變化的、與時間有關(guān)的灰色過程進(jìn)行預(yù)測。 （2）灰色預(yù)測法回總目錄回本章目錄18 灰色預(yù)測通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度，即進(jìn)行關(guān)聯(lián)分析，并對原始數(shù)據(jù)進(jìn)行生成處理來尋找系統(tǒng)變動的規(guī)律，生成有較強規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程模型，從而預(yù)測事物未來發(fā)展趨勢的狀況?；乜偰夸浕乇菊履夸?9 灰色預(yù)測法用等時距觀測到的反映預(yù)測對象特征的一系列數(shù)量值構(gòu)造灰色預(yù)測模型，預(yù)測未來某一時刻的特征量，或達(dá)到 某一 特征量的時間?；乜偰夸浕乇菊履夸?0 （3）灰色預(yù)測的四種常見類型 灰色時間序

6、列預(yù)測 即用觀察到的反映預(yù)測對象特征的時間序列來構(gòu)造灰色預(yù)測模型，預(yù)測未來某一時刻的特征量，或達(dá)到某一特征量的時間。 畸變預(yù)測 即通過灰色模型預(yù)測異常值出現(xiàn)的時刻，預(yù)測異常值 什么時候出現(xiàn)在特定時區(qū)內(nèi)。 回總目錄回本章目錄21 系統(tǒng)預(yù)測 通過對系統(tǒng)行為特征指標(biāo)建立一組相互關(guān)聯(lián)的灰色預(yù)測模型，預(yù)測系統(tǒng)中眾多變量間的相互協(xié)調(diào)關(guān)系的變化。 拓?fù)漕A(yù)測 將原始數(shù)據(jù)做曲線，在曲線上按定值尋找該定值發(fā)生的所有時點，并以該定值為框架構(gòu)成時點數(shù)列，然后建立模型預(yù)測該定值所發(fā)生的時點?；乜偰夸浕乇菊履夸?2 二、生成列 為了弱化原始時間序列的隨機性，在建立灰色預(yù)測模型之前，需先對原始時間序列進(jìn)行數(shù)據(jù)處理，經(jīng)過數(shù)據(jù)

7、處理后的時間序列即稱為生成列?；乜偰夸浕乇菊履夸?3累加累加是將原始序列通過累加得到生成列。 灰色系統(tǒng)常用的數(shù)據(jù)處理方式有累加和累減兩種。 （1）數(shù)據(jù)處理方式回總目錄回本章目錄24 累加的規(guī)則: 將原始序列的第一個數(shù)據(jù)作為生成列的第一個數(shù)據(jù)，將原始序列的第二個數(shù)據(jù)加到原始序列的第一個數(shù)據(jù)上，其和作為生成列的第二個數(shù)據(jù)，將原始序列的第三個數(shù)據(jù)加到生成列的第二個數(shù)據(jù)上，其和作為生成列的第三個數(shù)據(jù)，按此規(guī)則進(jìn)行下去，便可得到生成列?；乜偰夸浕乇菊履夸?5記原始時間序列為：生成列為：上標(biāo)1表示一次累加，同理，可作m次累加：回總目錄回本章目錄26 對非負(fù)數(shù)據(jù)，累加次數(shù)越多則隨機性弱化越多，累加次數(shù)足夠大

8、后，可認(rèn)為時間序列已由隨機序列變?yōu)榉请S機序列。 一般隨機序列的多次累加序列，大多可用指數(shù)曲線逼近?；乜偰夸浕乇菊履夸?7累減 將原始序列前后兩個數(shù)據(jù)相減得到累減生成列 累減是累加的逆運算，累減可將累加生成 列還原為非生成列，在建模中獲得增量信息。一次累減的公式為：回總目錄回本章目錄28三、關(guān)聯(lián)度 關(guān)聯(lián)度分析是分析系統(tǒng)中各因素關(guān)聯(lián)程度的方法，在計算關(guān)聯(lián)度之前需先計算關(guān)聯(lián)系數(shù)。（1）關(guān)聯(lián)系數(shù)設(shè)則關(guān)聯(lián)系數(shù)定義為：回總目錄回本章目錄29式中： 為第k個點 稱為分辨率，01,一般??； 對單位不一，初值不同的序列，在計算相關(guān)系數(shù)前應(yīng)首先進(jìn)行初始化，即將該序列所有數(shù)據(jù)分別除以第一個數(shù)據(jù)。的絕對誤差； 和為兩

9、級最小差； 為兩級最大差； 回總目錄回本章目錄30（2）關(guān)聯(lián)度和的關(guān)聯(lián)度為：回總目錄回本章目錄31一個計算關(guān)聯(lián)度的例子 工業(yè)、農(nóng)業(yè)、運輸業(yè)、商業(yè)各部門的行為數(shù)據(jù)如下： 工業(yè)農(nóng)業(yè)運輸業(yè)商業(yè)參考序列分別為 ，被比較序列為 ,試求關(guān)聯(lián)度。 回總目錄回本章目錄32解答：以為參考序列求關(guān)聯(lián)度。 第一步：初始化，即將該序列所有數(shù)據(jù)分別 除以第一個數(shù)據(jù)。得到：回總目錄回本章目錄33第二步：求序列差第三步：求兩極差回總目錄回本章目錄34第四步：計算關(guān)聯(lián)系數(shù) 取，有： 從而： 回總目錄回本章目錄35第五步：求關(guān)聯(lián)度 計算結(jié)果表明，運輸業(yè)和工業(yè)的關(guān)聯(lián)程度大于農(nóng)業(yè)、商業(yè)和工業(yè)的關(guān)聯(lián)程度。 為參考序列時，計算類似，這

10、里略去?；乜偰夸浕乇菊履夸?63.2 GM(1,1)模型一、GM（1，1）模型的建立 設(shè)時間序列有n個觀察值，通過累加生成新序列 則GM（1，1）模型相應(yīng)的微分方程為： 其中：稱為發(fā)展灰數(shù)；稱為內(nèi)生控制灰數(shù)?；乜偰夸浕乇菊履夸?7設(shè)為待估參數(shù)向量，最小二乘法求解。解得： 求解微分方程，即可得預(yù)測模型： ，可利用回總目錄回本章目錄38灰色預(yù)測檢驗一般有殘差檢驗、關(guān)聯(lián)度檢二、模型檢驗（1）殘差檢驗按預(yù)測模型計算并將累減生成然后計算原始序列與的絕對誤差序列及相對誤差序列。驗和后驗差檢驗?；乜偰夸浕乇菊履夸?9（2）關(guān)聯(lián)度檢驗根據(jù)前面所述關(guān)聯(lián)度的計算方法算出與原始序列的關(guān)聯(lián)系數(shù)，然后計算出關(guān)聯(lián)度，根據(jù)

11、經(jīng)驗，當(dāng)時，關(guān)聯(lián)度大于便滿意了?；乜偰夸浕乇菊履夸?0（3）后驗差檢驗a.計算原始序列標(biāo)準(zhǔn)差:回總目錄回本章目錄41b. 計算絕對誤差序列的標(biāo)準(zhǔn)差：c. 計算方差比：回總目錄回本章目錄42d. 計算小誤差概率：令:，則： P C 好 合格 勉強合格 不合格回總目錄回本章目錄433.3 GM(1,1)殘差模型及GM (n, h)模型一、殘差模型 若用原始經(jīng)濟時間序列模型檢驗不合格或精度不理想時，要對建立的GM（1，1）模型進(jìn)行殘差修正或提高模型的預(yù)測精度。修正的方法是建立GM（1，1）的殘差模型。建立的GM(1,1)回總目錄回本章目錄44 二、 GM（n，h）模型 GM（n，h）模型是微分方程模

12、型，可用于對描述對象做長期、連續(xù)、動態(tài)的反映。從原則上講，某一灰色系統(tǒng)無論內(nèi)部機制如何，只要能將該系統(tǒng)原始表征量表示為時間，并有（N表示自然數(shù)集），即可用GM模型對系統(tǒng)進(jìn)行描述。，序列回總目錄回本章目錄45 實例，回總目錄回本章目錄46 實例，回總目錄回本章目錄47 實例，回總目錄回本章目錄48 實例，回總目錄回本章目錄49 實例，回總目錄回本章目錄50 實例，回總目錄回本章目錄515.2 物流預(yù)測概述5.2.2 物流微觀預(yù)測 1.物流企業(yè)的需求預(yù)測 （1）指數(shù)平滑法 指數(shù)平滑法是布朗(Robert G.Brown)所提出，布朗(Robert G.Brown)認(rèn)為時間序列的態(tài)勢具有穩(wěn)定性或規(guī)則

13、性，所以時間序列可被合理地順勢推延；他認(rèn)為最近的過去態(tài)勢，在某種程度上會持續(xù)到最近的未來，所以將較大的權(quán)數(shù)放在最近的資料。 指數(shù)平滑法是生產(chǎn)預(yù)測中常用的一種方法。也用于中短期經(jīng)濟發(fā)展趨勢預(yù)測，所有預(yù)測方法中，指數(shù)平滑是用得最多的一種。簡單的全期平均法是對時間數(shù)列的過去數(shù)據(jù)一個不漏地全部加以同等利用；移動平均法則不考慮較遠(yuǎn)期的數(shù)據(jù)，并在加權(quán)移動平均法中給予近期資料更大的權(quán)重；而指數(shù)平滑法則兼容了全期平均和移動平均所長，不舍棄過去的數(shù)據(jù)，但是僅給予逐漸減弱的影響程度，即隨著數(shù)據(jù)的遠(yuǎn)離，賦予逐漸收斂為零的權(quán)數(shù)。 525.2 物流預(yù)測概述5.2.2 物流微觀預(yù)測 1.物流企業(yè)的需求預(yù)測 （1）指數(shù)平滑

14、法 也就是說指數(shù)平滑法是在移動平均法基礎(chǔ)上發(fā)展起來的一種時間序列分析預(yù)測法，它是通過計算指數(shù)平滑值，配合一定的時間序列預(yù)測模型對現(xiàn)象的未來進(jìn)行預(yù)測。其原理是任一期的指數(shù)平滑值都是本期實際觀察值與前一期指數(shù)平滑值的加權(quán)平均。 53 1959年由美國學(xué)者布朗在庫存管理的統(tǒng)計預(yù)測一書中提出了指數(shù)平滑法。 一次指數(shù)平滑法二次指數(shù)平滑法54一、一次指數(shù)平滑法2、一次指數(shù)平滑值的計算公式： 1、預(yù)測模型（一）模型及適用范圍3、預(yù)測模型的含義含義：下期預(yù)測值是本期實際值與本期預(yù)測值的加權(quán)平均。4、一次指數(shù)平滑法的適用范圍：水平型、短期數(shù)據(jù)模式。55一、一次指數(shù)平滑法（二）一次指數(shù)平滑法的特點 1、具有自動調(diào)

15、整預(yù)測誤差的功能當(dāng)本期 太小，希望 ；由于 太小，故使 + 0反之，太大， ，由于 太大，故使 + 056一、一次指數(shù)平滑法2、預(yù)測值包含所有歷史數(shù)據(jù)（信息量大） 57S= = =1 （無窮項之和公式）而移動平均法，其加權(quán)按 權(quán)數(shù)均為 ，無遞減加權(quán)規(guī)律。 3、指數(shù)平滑系數(shù)按等比數(shù)列遞減，加權(quán)為 數(shù)據(jù)很多時，= + +.+ 一、一次指數(shù)平滑法58一、一次指數(shù)平滑法（三）加權(quán)系數(shù) 和初始值 的確定 在上述預(yù)測模型的分解式中可以看到：要進(jìn)行預(yù)測除了已知若干期歷史數(shù)據(jù)外，還必須確定加權(quán)因子 和初始值 ,只有這樣才能估算出591、加權(quán)因子 的確定兩種方法：誤差比較分析法 E= 進(jìn)行比較，誤差最小值所對應(yīng)

16、的 即為最佳值。經(jīng)驗估計法 在0 1內(nèi)選擇 當(dāng)數(shù)據(jù)為水平模式時，0.01 0.3 當(dāng)數(shù)據(jù)為趨勢模式時：0.6 0.9 ；此時跟隨效果好一些（二次指數(shù)） 也可將上述兩種方法組合運用。當(dāng) 大些，越近的歷史數(shù)據(jù)對后期預(yù)測的作用越大，跟隨效果越好 當(dāng)數(shù)據(jù)為混合型模式時：0.3 0.6 60 重要提示：不同的數(shù)據(jù)模式所采用的預(yù)測方法也不同。 y t ty水平型周期變動模式趨勢型周期變動模式612、初始值 的確定 則可以計算其算術(shù)水平均數(shù)或指數(shù)平均數(shù)作為 若不可能，則按以下方法估算 可以按以下兩種方式估算 當(dāng)n15時，由于初始預(yù)測值的影響不再很小，所以需另行估計較， 簡單的方法是最前面幾期的觀察值取平均值

17、 。當(dāng)數(shù)據(jù)n15時，由于初始預(yù)測值（ ）對預(yù)測結(jié)果影響很小其系數(shù)為 可直接用第一期的觀測值為初始值即 若在平滑開始時，預(yù)測者有過去的數(shù)據(jù)或其中的一部分，62(四)應(yīng)用舉例某商場的塑料制品的月度銷售資料如表所示，預(yù)測第8期的銷售額。時期t銷售額 (0.1)平滑值 (0.9)預(yù)測值08180.1*8+0.9*8=8270.1*7+0.9*8=7.9839.50.1*9.5+0.9*7.9=8.067.947.37.988.065108.187.9868.28.188.18798.268.1888.2663步驟： 選擇初始值和加權(quán)系數(shù) 計算各期的平滑指數(shù)值例 = 0.18+0.98=8 若只須預(yù)測第

18、8期，則前面幾項的預(yù)測值可以不計算。 由于一次指數(shù)平滑值 多用于具有不規(guī)則因素影響的水平型數(shù)據(jù)模式，故應(yīng)用范圍很有限，人們多用二次指數(shù)平滑法預(yù)測非水平型數(shù)據(jù)模式，如線性趨勢等。 = =8 ； =0.1 （論證略） (四)應(yīng)用舉例 實際預(yù)測 - 第8期預(yù)測值 64二、二次指數(shù)平滑法（一）預(yù)測思路: 二次指數(shù)平滑法是在一次指數(shù)平滑法的基礎(chǔ)上，對一次指數(shù)平滑法再作一次指數(shù)平滑后，求得平滑數(shù)，建立預(yù)測模型，再進(jìn)行預(yù)測。 （二）應(yīng)用范圍: 短期、線性數(shù)據(jù)模式效果較好。65二、二次指數(shù)平滑法（三）預(yù)測步驟: 2、計算一次、二次指數(shù)平滑值= 3、計算平滑系數(shù) (推導(dǎo)略) 同一次指平滑系數(shù)； 在前已述。1、確

19、定初始值和加權(quán)因子4、預(yù)測：T-指從t時期到預(yù)測期的期數(shù)，通常取T=1 -第t+T期的預(yù)測估計值 66（四）應(yīng)用實例 年份實際值 T=1時075075011996750750750750021997835818804.4831.654.431998916896.4878914.673.686841999996976.1956.5995.778.4988.45200010791058.410381078.881.610746200111581138.11118.11158.1801160.47200212401219.61199.31239.981.21238.18200313301307.91

20、286.21329.686.81321.19200414171395.21373.4141787.21416.410200515091486.21463.61508.890.41506.21120061599.267以二次移動平均法實例數(shù)據(jù)，運用二次指數(shù)平滑法進(jìn)行預(yù)測。確定初始值和加權(quán)因子 =0.8 (經(jīng)驗法，誤差比較法略)解題步驟：按公式計算 并列入計算表73中 = =例： 96年，t=1時，其它同理。這兩組數(shù)據(jù)可采用表上作業(yè)法計算，簡便、直觀。 （四）應(yīng)用實例68（四）應(yīng)用實例計算平滑系數(shù) = 2( ) =4 如 =2818-804.4=831.6 =4(818-804.4)=54.4 建

21、立預(yù)測模型，并預(yù)測(T=1) =1508.8+90.4=1599.29 (百萬元) 說明：對應(yīng)每一個t 都有一模型可進(jìn)行預(yù)測，較為準(zhǔn)確的方法是：利用本期模型預(yù)測下一期預(yù)測目標(biāo)（即T=1） 試比較69滯后偏差數(shù)據(jù)點連線一次平滑二次平滑102020406080Xt（萬人次）t（日）7.3.2 平滑預(yù)測法指數(shù)平滑法70時間序列分解法某市六年來汽車貨運量71 時間序列特征：趨勢性T：總體上持續(xù)上升或下降的總變化趨勢，其間的變動幅度可能有時不等。季節(jié)性S：以一年為周期，四個季節(jié)呈某種周期性，各季節(jié)出現(xiàn)波峰和波谷的規(guī)律類似。周期性C：決定于系統(tǒng)內(nèi)部因素的周期性變化規(guī)律，又分短周期、中周期、長周期等幾種。不

22、規(guī)則性I：包括突然性和隨機性變動兩種。時間序列分解法 任一時間序列可表示為幾種變動的不同組合的總結(jié)果，且可表示為： 加法模型：Y=T+S+C+I 乘法模型：Y=TSCI72時間序列分解法某市六年來汽車貨運量時間序列分解 趨勢項 周期項 隨機項731 時間序列分解法 一、時間序列的分解 經(jīng)濟時間序列的變化受到長期趨勢、季節(jié)變動、周期變動和不規(guī)則變動這四個因素的影響。其中：（1） 長期趨勢因素（T） 反映了經(jīng)濟現(xiàn)象在一個較長時間內(nèi)的發(fā)展方向，它可以在一個相當(dāng)長的時間內(nèi)表現(xiàn)為一種近似直線的持續(xù)向上或持續(xù)向下或平穩(wěn)的趨勢?；乜偰夸浕乇菊履夸?4（2） 季節(jié)變動因素（S） 是經(jīng)濟現(xiàn)象受季節(jié)變動影響所形成

23、的一種長 度和幅度固定的周期波動。（3） 周期變動因素（C） 周期變動因素也稱循環(huán)變動因素，它是受各 種經(jīng)濟因素影響形成的上下起伏不定的波動。（4） 不規(guī)則變動因素（I） 不規(guī)則變動又稱隨機變動，它是受各種偶然 因素影響所形成的不規(guī)則變動。回總目錄回本章目錄75 二、時間序列分解模型 時間序列y可以表示為以上四個因素的函數(shù)，即： 時間序列分解的方法有很多，較常用的模型有加法模型和乘法模型。回總目錄回本章目錄76 加法模型為： 乘法模型為：回總目錄回本章目錄77 三、時間序列的分解方法（1）運用移動平均法剔除長期趨勢和周期變化，得到序列TC。然后再用按月（季）平均法求出季節(jié)指數(shù)S。（2）做散點圖，選擇適合的曲線模型擬合序列的長期趨勢，得到長期趨勢T?；乜偰夸浕乇菊履夸?8（3）計算周期因素C。用序列TC除以T即可得到周期變動因素C。（4）將時間序列的T、S、C分解出來后，剩余的即為不規(guī)則變動，即：y回總目錄回本章目錄795.2 物流預(yù)測概述 805.2 物流預(yù)測概述 81