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

1、1物流工程理論物流系統(tǒng)預(yù)測(cè)技術(shù)和應(yīng)用25.1 物流預(yù)測(cè)概述5.1.1 物流預(yù)測(cè)的理論 1.物流預(yù)測(cè)的必要性 預(yù)測(cè)是根據(jù)過去和現(xiàn)在的已知因素，運(yùn)用人們的知識(shí)、經(jīng)驗(yàn)和科學(xué)方法，對(duì)未來進(jìn)行預(yù)計(jì)，并推出事物未來的發(fā)展趨勢(shì)。35.1 物流預(yù)測(cè)概述5.1.1 物流預(yù)測(cè)的理論2.物流預(yù)測(cè)的可行性大宗貨物或大流量一般來說相對(duì)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(yùn)系數(shù)（運(yùn)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(yùn)程相對(duì)穩(wěn)定，其變動(dòng)規(guī)律也可以探討現(xiàn)代統(tǒng)計(jì)制度可以提供相當(dāng)部分預(yù)測(cè)所需要的基礎(chǔ)資料45.1 物流預(yù)測(cè)概述5.1.1 物流預(yù)測(cè)的理論2.物流預(yù)測(cè)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(cè)提供有價(jià)值的信息企業(yè)可以積累物流預(yù)測(cè)的許多資料55.1 物流預(yù)測(cè)概述5.1.2 物流預(yù)測(cè)的分類1.物流預(yù)測(cè)的角度進(jìn)行分類宏觀預(yù)測(cè)微觀預(yù)測(cè)2.物流服務(wù)的供求關(guān)系物流服務(wù)的需求預(yù)測(cè)物流服務(wù)的供給預(yù)測(cè)65.1 物流預(yù)測(cè)概述5.1.2 物流預(yù)測(cè)的分類 3.物流預(yù)測(cè)的時(shí)間長(zhǎng)度進(jìn)行分類短期預(yù)測(cè)中期預(yù)測(cè)長(zhǎng)期預(yù)測(cè)75.1 物流預(yù)測(cè)概述5.1.3 物流預(yù)測(cè)的步驟 確定預(yù)測(cè)目標(biāo) 收集、分析有關(guān)資料 選擇預(yù)測(cè)方法進(jìn)行預(yù)測(cè) 分析評(píng)價(jià)預(yù)測(cè)方法及預(yù)測(cè)結(jié)果 修正預(yù)測(cè)結(jié)果 提交預(yù)測(cè)報(bào)告85.1 物流預(yù)測(cè)概述5.1.3 物流預(yù)測(cè)的方法 定性法 歷史映射法 因果法95.2 物流預(yù)測(cè)概述5.2.1 區(qū)域、社會(huì)等物流

3、宏觀預(yù)測(cè) 1.增長(zhǎng)系數(shù)模型105.2 物流預(yù)測(cè)概述5.2.1 區(qū)域、社會(huì)等物流宏觀預(yù)測(cè) 1.增長(zhǎng)系數(shù)模型115.2 物流預(yù)測(cè)概述5.2.1 區(qū)域、社會(huì)等物流宏觀預(yù)測(cè) 2.回歸分析法（因素分析法） 一元線性回歸分析預(yù)測(cè)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(cè)的方法。由于市場(chǎng)現(xiàn)象一般是受多種因素的影響，而并不是僅僅受一個(gè)因素的影響。所以應(yīng)用一元線性回歸分析預(yù)測(cè)法，必須對(duì)影響市場(chǎng)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(shí)存在一個(gè)對(duì)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(chǎng)預(yù)測(cè)法進(jìn)行預(yù)測(cè)。 12 一元線性回歸分析法的預(yù)

4、測(cè)模型為： 13 一元線性回歸分析法的預(yù)測(cè)模型為： 143.1 灰色預(yù)測(cè)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(cè)法回總目錄153灰 色 預(yù) 測(cè) 理 論 一、灰色預(yù)測(cè)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(gè)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。回總目錄回本章目錄16 黑色系統(tǒng)是指一個(gè)系統(tǒng)的內(nèi)部信息對(duì)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(cè)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(cè)法是一種對(duì)含有不確

5、定因素的系統(tǒng)進(jìn)行預(yù)測(cè)的方法。 灰色預(yù)測(cè)是對(duì)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(duì)在一定范圍內(nèi)變化的、與時(shí)間有關(guān)的灰色過程進(jìn)行預(yù)測(cè)。 （2）灰色預(yù)測(cè)法回總目錄回本章目錄18 灰色預(yù)測(cè)通過鑒別系統(tǒng)因素之間發(fā)展趨勢(shì)的相異程度，即進(jìn)行關(guān)聯(lián)分析，并對(duì)原始數(shù)據(jù)進(jìn)行生成處理來尋找系統(tǒng)變動(dòng)的規(guī)律，生成有較強(qiáng)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(cè)事物未來發(fā)展趨勢(shì)的狀況?；乜偰夸浕乇菊履夸?9 灰色預(yù)測(cè)法用等時(shí)距觀測(cè)到的反映預(yù)測(cè)對(duì)象特征的一系列數(shù)量值構(gòu)造灰色預(yù)測(cè)模型，預(yù)測(cè)未來某一時(shí)刻的特征量，或達(dá)到 某一 特征量的時(shí)間?；乜偰夸浕乇菊履夸?0 （3）灰色預(yù)測(cè)的四種常見類型 灰色時(shí)間序

6、列預(yù)測(cè) 即用觀察到的反映預(yù)測(cè)對(duì)象特征的時(shí)間序列來構(gòu)造灰色預(yù)測(cè)模型，預(yù)測(cè)未來某一時(shí)刻的特征量，或達(dá)到某一特征量的時(shí)間。 畸變預(yù)測(cè) 即通過灰色模型預(yù)測(cè)異常值出現(xiàn)的時(shí)刻，預(yù)測(cè)異常值 什么時(shí)候出現(xiàn)在特定時(shí)區(qū)內(nèi)。 回總目錄回本章目錄21 系統(tǒng)預(yù)測(cè) 通過對(duì)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(cè)模型，預(yù)測(cè)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(cè) 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(shí)點(diǎn)，并以該定值為框架構(gòu)成時(shí)點(diǎn)數(shù)列，然后建立模型預(yù)測(cè)該定值所發(fā)生的時(shí)點(diǎn)。回總目錄回本章目錄22 二、生成列 為了弱化原始時(shí)間序列的隨機(jī)性，在建立灰色預(yù)測(cè)模型之前，需先對(duì)原始時(shí)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(shí)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(gè)數(shù)據(jù)作為生成列的第一個(gè)數(shù)據(jù)，將原始序列的第二個(gè)數(shù)據(jù)加到原始序列的第一個(gè)數(shù)據(jù)上，其和作為生成列的第二個(gè)數(shù)據(jù)，將原始序列的第三個(gè)數(shù)據(jù)加到生成列的第二個(gè)數(shù)據(jù)上，其和作為生成列的第三個(gè)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(shí)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(duì)非負(fù)數(shù)據(jù)，累加次數(shù)越多則隨機(jī)性弱化越多，累加次數(shù)足夠大

8、后，可認(rèn)為時(shí)間序列已由隨機(jī)序列變?yōu)榉请S機(jī)序列。 一般隨機(jī)序列的多次累加序列，大多可用指數(shù)曲線逼近。回總目錄回本章目錄27累減 將原始序列前后兩個(gè)數(shù)據(jù)相減得到累減生成列 累減是累加的逆運(yùn)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(jì)算關(guān)聯(lián)度之前需先計(jì)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(gè)點(diǎn) 稱為分辨率，01,一般取； 對(duì)單位不一，初值不同的序列，在計(jì)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(gè)數(shù)據(jù)。的絕對(duì)誤差； 和為兩

9、級(jí)最小差； 為兩級(jí)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(gè)計(jì)算關(guān)聯(lián)度的例子 工業(yè)、農(nóng)業(yè)、運(yùn)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(yùn)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(gè)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(jì)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(jì)算結(jié)果表明，運(yùn)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(shí)，計(jì)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(shí)間序列有n個(gè)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(cè)模型： ，可利用回總目錄回本章目錄38灰色預(yù)測(cè)檢驗(yàn)一般有殘差檢驗(yàn)、關(guān)聯(lián)度檢二、模型檢驗(yàn)（1）殘差檢驗(yàn)按預(yù)測(cè)模型計(jì)算并將累減生成然后計(jì)算原始序列與的絕對(duì)誤差序列及相對(duì)誤差序列。驗(yàn)和后驗(yàn)差檢驗(yàn)?；乜偰夸浕乇菊履夸?9（2）關(guān)聯(lián)度檢驗(yàn)根據(jù)前面所述關(guān)聯(lián)度的計(jì)算方法算出與原始序列的關(guān)聯(lián)系數(shù)，然后計(jì)算出關(guān)聯(lián)度，根據(jù)

11、經(jīng)驗(yàn)，當(dāng)時(shí)，關(guān)聯(lián)度大于便滿意了?；乜偰夸浕乇菊履夸?0（3）后驗(yàn)差檢驗(yàn)a.計(jì)算原始序列標(biāo)準(zhǔn)差:回總目錄回本章目錄41b. 計(jì)算絕對(duì)誤差序列的標(biāo)準(zhǔn)差：c. 計(jì)算方差比：回總目錄回本章目錄42d. 計(jì)算小誤差概率：令:，則： P C 好 合格 勉強(qiáng)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(jì)時(shí)間序列模型檢驗(yàn)不合格或精度不理想時(shí)，要對(duì)建立的GM（1，1）模型進(jìn)行殘差修正或提高模型的預(yù)測(cè)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(duì)描述對(duì)象做長(zhǎng)期、連續(xù)、動(dòng)態(tài)的反映。從原則上講，某一灰色系統(tǒng)無論內(nèi)部機(jī)制如何，只要能將該系統(tǒng)原始表征量表示為時(shí)間，并有（N表示自然數(shù)集），即可用GM模型對(duì)系統(tǒng)進(jìn)行描述。，序列回總目錄回本章目錄45 實(shí)例，回總目錄回本章目錄46 實(shí)例，回總目錄回本章目錄47 實(shí)例，回總目錄回本章目錄48 實(shí)例，回總目錄回本章目錄49 實(shí)例，回總目錄回本章目錄50 實(shí)例，回總目錄回本章目錄515.2 物流預(yù)測(cè)概述5.2.2 物流微觀預(yù)測(cè) 1.物流企業(yè)的需求預(yù)測(cè) （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(shí)間序列的態(tài)勢(shì)具有穩(wěn)定性或規(guī)則

13、性，所以時(shí)間序列可被合理地順勢(shì)推延；他認(rèn)為最近的過去態(tài)勢(shì)，在某種程度上會(huì)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(cè)中常用的一種方法。也用于中短期經(jīng)濟(jì)發(fā)展趨勢(shì)預(yù)測(cè)，所有預(yù)測(cè)方法中，指數(shù)平滑是用得最多的一種。簡(jiǎn)單的全期平均法是對(duì)時(shí)間數(shù)列的過去數(shù)據(jù)一個(gè)不漏地全部加以同等利用；移動(dòng)平均法則不考慮較遠(yuǎn)期的數(shù)據(jù)，并在加權(quán)移動(dòng)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(dòng)平均所長(zhǎng)，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(cè)概述5.2.2 物流微觀預(yù)測(cè) 1.物流企業(yè)的需求預(yù)測(cè) （1）指數(shù)平滑

14、法 也就是說指數(shù)平滑法是在移動(dòng)平均法基礎(chǔ)上發(fā)展起來的一種時(shí)間序列分析預(yù)測(cè)法，它是通過計(jì)算指數(shù)平滑值，配合一定的時(shí)間序列預(yù)測(cè)模型對(duì)現(xiàn)象的未來進(jìn)行預(yù)測(cè)。其原理是任一期的指數(shù)平滑值都是本期實(shí)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(guó)學(xué)者布朗在庫(kù)存管理的統(tǒng)計(jì)預(yù)測(cè)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(jì)算公式： 1、預(yù)測(cè)模型（一）模型及適用范圍3、預(yù)測(cè)模型的含義含義：下期預(yù)測(cè)值是本期實(shí)際值與本期預(yù)測(cè)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(diǎn) 1、具有自動(dòng)調(diào)

15、整預(yù)測(cè)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(cè)值包含所有歷史數(shù)據(jù)（信息量大） 57S= = =1 （無窮項(xiàng)之和公式）而移動(dòng)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(shí)，= + +.+ 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(cè)模型的分解式中可以看到：要進(jìn)行預(yù)測(cè)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(duì)應(yīng)

16、的 即為最佳值。經(jīng)驗(yàn)估計(jì)法 在0 1內(nèi)選擇 當(dāng)數(shù)據(jù)為水平模式時(shí)，0.01 0.3 當(dāng)數(shù)據(jù)為趨勢(shì)模式時(shí)：0.6 0.9 ；此時(shí)跟隨效果好一些（二次指數(shù)） 也可將上述兩種方法組合運(yùn)用。當(dāng) 大些，越近的歷史數(shù)據(jù)對(duì)后期預(yù)測(cè)的作用越大，跟隨效果越好 當(dāng)數(shù)據(jù)為混合型模式時(shí)：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(cè)方法也不同。 y t ty水平型周期變動(dòng)模式趨勢(shì)型周期變動(dòng)模式612、初始值 的確定 則可以計(jì)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(shí)，由于初始預(yù)測(cè)值的影響不再很小，所以需另行估計(jì)較， 簡(jiǎn)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(shí)，由于初始預(yù)測(cè)值（ ）對(duì)預(yù)測(cè)結(jié)果影響很小其系數(shù)為 可直接用第一期的觀測(cè)值為初始值即 若在平滑開始時(shí)，預(yù)測(cè)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(chǎng)的塑料制品的月度銷售資料如表所示，預(yù)測(cè)第8期的銷售額。時(shí)期t銷售額 (0.1)平滑值 (0.9)預(yù)測(cè)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(jì)算各期的平滑指數(shù)值例 = 0.18+0.98=8 若只須預(yù)測(cè)第

18、8期，則前面幾項(xiàng)的預(yù)測(cè)值可以不計(jì)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(cè)非水平型數(shù)據(jù)模式，如線性趨勢(shì)等。 = =8 ； =0.1 （論證略） (四)應(yīng)用舉例 實(shí)際預(yù)測(cè) - 第8期預(yù)測(cè)值 64二、二次指數(shù)平滑法（一）預(yù)測(cè)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(duì)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(cè)模型，再進(jìn)行預(yù)測(cè)。 （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(cè)步驟: 2、計(jì)算一次、二次指數(shù)平滑值= 3、計(jì)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(cè)：T-指從t時(shí)期到預(yù)測(cè)期的期數(shù)，通常取T=1 -第t+T期的預(yù)測(cè)估計(jì)值 66（四）應(yīng)用實(shí)例 年份實(shí)際值 T=1時(shí)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(dòng)平均法實(shí)例數(shù)據(jù)，運(yùn)用二次指數(shù)平滑法進(jìn)行預(yù)測(cè)。確定初始值和加權(quán)因子 =0.8 (經(jīng)驗(yàn)法，誤差比較法略)解題步驟：按公式計(jì)算 并列入計(jì)算表73中 = =例： 96年，t=1時(shí)，其它同理。這兩組數(shù)據(jù)可采用表上作業(yè)法計(jì)算，簡(jiǎn)便、直觀。 （四）應(yīng)用實(shí)例68（四）應(yīng)用實(shí)例計(jì)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(cè)模型，并預(yù)測(cè)(T=1) =1508.8+90.4=1599.29 (百萬元) 說明：對(duì)應(yīng)每一個(gè)t 都有一模型可進(jìn)行預(yù)測(cè)，較為準(zhǔn)確的方法是：利用本期模型預(yù)測(cè)下一期預(yù)測(cè)目標(biāo)（即T=1） 試比較69滯后偏差數(shù)據(jù)點(diǎn)連線一次平滑二次平滑102020406080Xt（萬人次）t（日）7.3.2 平滑預(yù)測(cè)法指數(shù)平滑法70時(shí)間序列分解法某市六年來汽車貨運(yùn)量71 時(shí)間序列特征：趨勢(shì)性T：總體上持續(xù)上升或下降的總變化趨勢(shì)，其間的變動(dòng)幅度可能有時(shí)不等。季節(jié)性S：以一年為周期，四個(gè)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(zhǎng)周期等幾種。不

22、規(guī)則性I：包括突然性和隨機(jī)性變動(dòng)兩種。時(shí)間序列分解法 任一時(shí)間序列可表示為幾種變動(dòng)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(shí)間序列分解法某市六年來汽車貨運(yùn)量時(shí)間序列分解 趨勢(shì)項(xiàng) 周期項(xiàng) 隨機(jī)項(xiàng)731 時(shí)間序列分解法 一、時(shí)間序列的分解 經(jīng)濟(jì)時(shí)間序列的變化受到長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、周期變動(dòng)和不規(guī)則變動(dòng)這四個(gè)因素的影響。其中：（1） 長(zhǎng)期趨勢(shì)因素（T） 反映了經(jīng)濟(jì)現(xiàn)象在一個(gè)較長(zhǎng)時(shí)間內(nèi)的發(fā)展方向，它可以在一個(gè)相當(dāng)長(zhǎng)的時(shí)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(shì)。回總目錄回本章目錄74（2） 季節(jié)變動(dòng)因素（S） 是經(jīng)濟(jì)現(xiàn)象受季節(jié)變動(dòng)影響所形成

23、的一種長(zhǎng) 度和幅度固定的周期波動(dòng)。（3） 周期變動(dòng)因素（C） 周期變動(dòng)因素也稱循環(huán)變動(dòng)因素，它是受各 種經(jīng)濟(jì)因素影響形成的上下起伏不定的波動(dòng)。（4） 不規(guī)則變動(dòng)因素（I） 不規(guī)則變動(dòng)又稱隨機(jī)變動(dòng)，它是受各種偶然 因素影響所形成的不規(guī)則變動(dòng)?；乜偰夸浕乇菊履夸?5 二、時(shí)間序列分解模型 時(shí)間序列y可以表示為以上四個(gè)因素的函數(shù)，即： 時(shí)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?；乜偰夸浕乇菊履夸?6 加法模型為： 乘法模型為：回總目錄回本章目錄77 三、時(shí)間序列的分解方法（1）運(yùn)用移動(dòng)平均法剔除長(zhǎng)期趨勢(shì)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(diǎn)圖，選擇適合的曲線模型擬合序列的長(zhǎng)期趨勢(shì)，得到長(zhǎng)期趨勢(shì)T?；乜偰夸浕乇菊履夸?8（3）計(jì)算周期因素C。用序列TC除以T即可得到周期變動(dòng)因素C。（4）將時(shí)間序列的T、S、C分解出來后，剩余的即為不規(guī)則變動(dòng)，即：y回總目錄回本章目錄795.2 物流預(yù)測(cè)概述 805.2 物流預(yù)測(cè)概述 81