物流需求預測方法介紹

物流需求預測方法主要內(nèi)容一、定性方法>>1.1專家意見法4.2.1移動平均預測>>4.2.2指數(shù)平滑預測>>4.3趨勢預測>>4.4建立移動平均模型和指數(shù)平滑模型4.4.1移動平均模型>>4.4.2指數(shù)平滑模型>>4.5Holt預測模型>>4.6季節(jié)指數(shù)模型>>1.1專家意見法定義：是通過聽取專家意見來確定預測結果的方法。主要用于開發(fā)新技術、新產(chǎn)品、新項目、研究發(fā)展戰(zhàn)略時采用。主要是聘請一些專家，他們根據(jù)自己長期對于市場發(fā)展規(guī)律的知識和經(jīng)驗，借助于其他產(chǎn)品進行類比分析、現(xiàn)實條件分析、經(jīng)濟發(fā)展速度分析等，就可能提出令人信服的預測結果來。方法：1）方案論證會、可行性分析會、專家座談會、咨詢會、討論會、辯論會等，讓專家寫出來。2）可行性分析報告、方案建議書、專家問卷等，讓專家寫出來。2.2綜合評分法定義：綜合評分法這一種方法是用于評價指標無法用統(tǒng)一的量綱進行定量分析的場合，而用無量綱的分數(shù)進行綜合評價。綜合評分法是先分別按不同指標的評價標準對各評價指標進行評分，然后采用加權相加，求得總分。其順序如下：

1、確定評價項目，即哪些指標采取此法進行評價。2、制定出評價等級和標準。先制定出各項評價指標統(tǒng)一的評價等級或分值范圍，然后制定出每項評價指標每個等級的標準，以便打分時掌握。這項標準，一般是定性與定量相結合，也可能是定量為主，也可以是定性為主，根據(jù)具體情況而定。3、制定評分表。內(nèi)容包括所有的評價指標及其等級區(qū)分和打分。4、根據(jù)指標和等級評出分數(shù)值。評價者收集和指標相關的資料，給評價對象打分，填入表格。5、數(shù)據(jù)處理和評價：將專家填寫好的評分表匯總、統(tǒng)計、加權平均，求出最好的方案。

（1）確定各單項評價指標得分。

（2）計算各組的綜合評分和評價對象的總評分。

（3）評價結果的運用。將各評價對象的綜合評分，按原先確定的評價目的，予以運用。1.3德爾菲法（最合適的預測期：中期到長期）基本程序：由企業(yè)外的見識廣博，學有專長的專家作市場預測。先請一組專家（10～50人）獨立地對需要預測的問題提出意見，公司主持人把各人意見綜合，整理后又反饋給每個人，使他們有機會比較一下他人不同的意見。如仍堅持自己的意見，可進一步說明理由，再寄給主持人。主持人整理后再次反饋給每個人，如此重復三至五次后，一般可得出一個比較一致的意見。

選擇對象發(fā)送調(diào)查表格回收調(diào)查問卷并統(tǒng)計調(diào)查結果預測結果進行新一輪的調(diào)查表格統(tǒng)計結果的分析評價注意??！專家的選擇非常重要執(zhí)行過程如圖二、時間序列預測法時間序列：指在一個給定的時期內(nèi)按照固定時間間隔（例如，1小時、一周或一月等）把某種變量的數(shù)值依時間先后順序排列而成的序列。時間序列預測法是基于歷史繼承性這一原則而進行的預測，即短期內(nèi)某個事物的發(fā)展趨勢是其過去歷史的延伸。它注重研究事物發(fā)展變化的內(nèi)因。這類預測方法通常適合在外界影響比較穩(wěn)定的條件下作短期預測。2.1移動平均法

移動平均法可以分為：簡單移動平均和加權移動平均

一、簡單移動平均法

簡單移動平均的各元素的權重都相等。簡單的移動平均的計算公式如下：Ft=(At-1+At-2+At-3+…+At-n)/n式中：·Ft--對下一期的預測值；

·n--移動平均的時期個數(shù)；

·At-1--前期實際值；

·At-2,At-3和At-n分別表示前兩期、前三期直至前n期的實際值

2.1移動平均法二、加權移動平均法加權移動平均給固定跨越期限內(nèi)的每個變量值以相等的權重。其原理是：歷史各期產(chǎn)品需求的數(shù)據(jù)信息對預測未來期內(nèi)的需求量的作用是不一樣的。除了以n為周期的周期性變化外，遠離目標期的變量值的影響力相對較低，故應給予較低的權重。加權移動平均法的計算公式如下：

·W1--第t-1期實際銷售額的權重；

·W2--第t-2期實際銷售額的權重；

·Wn--第t-n期實際銷售額的權

·n--預測的時期數(shù)；W1+W2+…+Wn=1

在運用加權平均法時，權重的選擇是一個應該注意的問題。經(jīng)驗法和試算法是選擇權重的最簡單的方法。一般而言，最近期的數(shù)據(jù)最能預示未來的情況，因而權重應大些。例如，根據(jù)前一個月的利潤和生產(chǎn)能力比起根據(jù)前幾個月能更好的估測下個月的利潤和生產(chǎn)能力。但是，如果數(shù)據(jù)時季節(jié)性的，則權重也應是季節(jié)性的。

2.2指數(shù)平滑法最適合的預測期：短期。最新數(shù)據(jù)的權重高于早期數(shù)據(jù)。特點：（1）短期預測中最有效的方法（2）只需要得到很小的數(shù)據(jù)量就可以連續(xù)使用（3）在同類預測法中被認為是最精確的（4）當預測數(shù)據(jù)發(fā)生根本性變化時還可以進行自我調(diào)整（5）是加權移動平均法的一種，較近期觀測值的權重比較遠期觀測值的權重要大.具體做法：上一期預測值加上時間序列該期實際與預測值差額的一定百分數(shù)即得新的預測值。即

式中：Ft——第t期的預測值；Ft-1——第t-1期的預測值；a——平滑系數(shù)；At-1——第t-1期的實際需求量或銷售量。上式可變形為：平滑常數(shù)a決定了預測對偏差調(diào)整的快慢。a的值越接近于0，預測對偏差的調(diào)整就越慢（即預測對時間序列做出了更大的平滑）。反之，a的值越趨于1，預測對偏差的調(diào)整就越迅速，同時平滑效果就越差。2．3帶有需求趨勢校正的指數(shù)平滑法（Holt模型）當假設系統(tǒng)需求有需求水平和需求趨勢而沒有季節(jié)性變動時，選用帶有需求趨勢校正的指數(shù)平滑法即Holt模型較為合適。采用的系統(tǒng)需求公式為：

系統(tǒng)需求=需求水平+需求趨勢Holt模型只是在指數(shù)平滑法的基本模型基礎上進行簡單的修改，在觀察完t期的實際需求后，整個預測模型作如下修正：式中：α為需求水平的平滑系數(shù)，0<α

<1；

β為需求趨勢的平滑系數(shù)，0<β

<1；At為第t期的實際需求量；St為第t期的需求水平預測值；St+1為第t+1期的需求水平預測值；Tt為第t期的趨勢預測值；Tt+1為第t+1期趨勢校正后的預測值。2.4帶有有需求趨勢和和季節(jié)性需求求校正的指數(shù)數(shù)平滑法（Winter模型）當需求的時間間序列中可觀觀察到既有趨趨勢變動特征征又有季節(jié)性性波動的特征征時，使用帶帶有需求趨勢勢和季節(jié)性需需求校正的指指數(shù)平滑法較較為合適。在在這里，使用用如下等式來來校正預測：：系統(tǒng)需求=（（需求水平+需求趨勢））╳季節(jié)性需需求在應用此模型型之前，又兩兩個條件要滿滿足:一、需求模型型的季節(jié)性波波動的高峰與與低谷產(chǎn)生的的原因必須已已知，這些峰峰谷值必須在在每個周期的的同一時間出出現(xiàn)。二、季節(jié)性變變化要比隨機機波動大。如果季節(jié)性需需求不平穩(wěn)、、不明顯，無無法與隨機變變化區(qū)分開來來，那么很難難開發(fā)出準確確預測下一期期需求走勢的的模型。因此此，在選擇模模型時要非常常慎重。2.4帶帶有需求趨趨勢和季節(jié)節(jié)性需求校校正的指數(shù)數(shù)平滑法（（Winter模型型）現(xiàn)假定需求求的周期數(shù)數(shù)為L，在在t期，已已給定實際際值At、、初始需需求水平St、初初始需求趨趨勢Tt以以及一個個周期的初初始季節(jié)性性需求，，，，…，，的的預預測，則第第t+1期期的對需求求水平、需需求趨勢、、季節(jié)性需需求以及總總的需求預預測做如下下校正：式中，L：：季節(jié)性需需求的周期期；：第t期的的季節(jié)性需需求預測值值；：季節(jié)性需需求的平滑滑系數(shù)，0<<1；：第t+1期趨勢與與季節(jié)性需需求校正后后的預測值值。三.因果分分析法因果分析預預測法是一類對預預測對象與與其制約因因素的相互互聯(lián)系進行行分析，從從而建立預預測對象與與其所能觀觀察到的相相關因素間間因果關系系的預測模模型進行預預測的方法法。3.1一元元線性回歸歸預測法一元線性回回歸分析預預測法，是是根據(jù)自變變量x和因因變量Y的的相關關系系，建立x與Y的線線性回歸方方程進行預預測的方法法。由于市市場現(xiàn)象一一般是受多多種因素的的影響，而而并不是僅僅僅受一個個因素的影影響。所以以應用一元元線性回歸歸分析預測測法，必須須對影響市市場現(xiàn)象的的多種因素素做全面分分析。只有有當諸多的的影響因素素中，確實實存在一個個對因變量量影響作用用明顯高于于其他因素素的變量，，也就是主要因素，才能將它作作為自變量量，應用一一元相關回回歸分析市市場預測法法進行預測測。一元線性回回歸分析法法的預測模模型為：式中，Xt代表t期自自變量的值值；代表t期因因變量的值值；a、b代表表一元線性性回歸方程程的參數(shù)。。u為隨機干干擾項，與與x無關，，它反映了了y被x解解釋的不確確定性。線性相關示示意圖xyyxaa003.1一元元線性回歸歸預測法a、b參數(shù)數(shù)由下列公公式求得（（用代表）：為簡便計算算，我們作作以下定義義：式中：這樣定義a、b后，，參數(shù)由下下列公式求求得：3.1一元元線性回歸歸預測法將a、b代代入一元線線性回歸方方程Yt=a+bXt，就可以建建立預測模模型，那么么，只要給給定Xt值，即可求求出預測值值。在回歸分析析預測法中中，需要對對Ｘ、Ｙ之之間相關程程度作出判判斷，這就就要計算相相關系數(shù)r，其公式式如下：相關系數(shù)r的特征有有：①相關系數(shù)數(shù)取值范圍圍為：-1≤r≤1。②r與b符符合相同。當r>0，稱正線性相相關，Xi上升，Yi呈線性增加加。當r<0，稱負線性相相關，Xi上升，Yi呈線性減少少。③|r|=0，X與Y無線線性相關關關系；|r|=1，完全確定的的線性相關關關系；0<|r|<1，X與Y存在在一定的線線性相關關關系；|r|>0.7，為高度線性性相關；0.3<|r|≤0.7，為中度線性性相關；|r|≤0.3，為低度線性性相關。(R檢檢驗）（F檢驗）3.2多元線性回回歸的計算算模型一元線性回回歸是一個個主要影響響因素作為為自變量來來解釋因變變量的變化化，在現(xiàn)實實問題研究究中，因變變量的變化化往往受幾幾個重要因因素的影響響，此時就就需要用兩兩個或兩個個以上的影影響因素作作為自變量量來解釋因因變量的變變化，這就就是多元回回歸亦稱多多重回歸。。當多個自自變量與因因變量之間間是線性關關系時，所所進行的回回歸分析就就是多元性性回歸。設y為因變變量，為自變量，，并且自變變量與因變變量之間為為線性關系系時，則多多元線性回回歸模型為為：其中，b0為常數(shù)項，，為回歸系數(shù)數(shù)。b1為固定時，x1每增加一個個單位對y的效應，，即x1對y的偏回回歸系數(shù)；；同理b2為固定時，x2每增加一個個單位對y的效應，，即，x2對y的偏回回歸系數(shù)，，等等。3.2多元線性回回歸的計算算模型建立多元性性回歸模型型時，為了了保證回歸歸模型具有有優(yōu)良的解解釋能力和和預測效果果，應首先先注意自變變量的選擇擇，其準則則是：(1)自變變量對因變變量必須有有顯著的影影響，并呈呈密切的線線性相關；；(2)自變變量與因變變量之間的的線性相關關必須是真真實的，而而不是形式式上的；(3)自變變量之彰應應具有一定定的互斥性性，即自變變量之彰的的相關程度度不應高于于自變量與與因變量之之因的相關關程度；(4)自變變量應具有有完整的統(tǒng)統(tǒng)計數(shù)據(jù)，，其預測值值容易確定定。3.2多元線性回回歸的計算算模型多元性回歸歸模型的參參數(shù)估計，，同一元線線性回歸方方程一樣，，也是在要要求誤差平平方和()為為最小的前前提下，用用最小二乘乘法求解參參數(shù)。以二二線性回歸歸模型為例例，求解回回歸參數(shù)的的標準方程程組為解此方程可可求得b0,b1,b2的數(shù)值。。亦可用下下列矩陣法法求得即多元線性回回歸模型的的檢驗多元性回歸歸模型與一一元線性回回歸模型一一樣，在得得到參數(shù)的的最小二乘乘法的估計計值之后，，也需要進進行必要的的檢驗與評評價，以決決定模型是是否可以應應用。1、擬合程度的的測定（R檢驗））與一元線性性回歸中可可決系數(shù)r2相對應，多多元線性回回歸中也有有多重可決決系數(shù)r2，它是在因因變量的總總變化中，，由回歸方方程解釋的的變動(回回歸平方和和)所占的的比重，r2越大，回歸歸方各對樣樣本數(shù)據(jù)點點擬合的程程度越強，，所有自變變量與因變變量的關系系越密切。。計算公式式為：其中，2.估計標標準誤差估計標準誤誤差，即因因變量y的的實際值與與回歸方程程求出的估估計值之間間的標準誤誤差，估計計標準誤差差越小，回回歸方程擬擬合程度越越程。其中，k為為多元線性性回歸方程程中的自變變量的個數(shù)數(shù)。3.回歸方方程的顯著著性檢驗（（F檢驗驗）回歸方程的的顯著性檢檢驗，即檢檢驗整個回回歸方程的的顯著性，，或者說評評價所有自自變量與因因變量的線線性關系是是否密切。。能常采用用F檢驗，，F(xiàn)統(tǒng)計量量的計算公公式為：根據(jù)給定的的顯著水平平a,自由由度(k,n-k-1)查F分布表，，得到相應應的臨界值值Fa，若若F>Fa，則則回回歸歸方方程程具具有有顯顯著著意意義義，，回回歸歸效效果果顯顯著著；；F<Fa，則則回回歸歸方方程程無無顯顯著著意意義義，，回回歸歸效效果果不不顯顯著著。。4.回回歸歸系系數(shù)數(shù)的的顯顯著著性性檢檢驗驗（（t檢檢驗驗））在一一元元線線性性回回歸歸中中，，回回歸歸系系數(shù)數(shù)顯顯著著性性檢檢驗驗(t檢檢驗驗)與與回回歸歸方方程程的的顯顯著著性性檢檢驗驗(F檢檢驗驗)是是等等價價的的，，但但在在多多元元線線性性回回歸歸中中，，這這個個等等價價不不成成立立。。t檢檢驗驗是是分分別別檢檢驗驗回回歸歸模模型型中中各各個個回回歸歸系系數(shù)數(shù)是是否否具具有有顯顯著著性性，，以以便便使使模模型型中中只只保保留留那那些些對對因因變變量量有有顯顯著著影影響響的的因因素素。。檢檢驗驗時時先先計計算算統(tǒng)統(tǒng)計計量量ti；然然后后根根據(jù)據(jù)給給定定的的顯顯著著水水平平a,自自由由度度n-k-1查查t分分布布表表，，得得臨臨界界值值ta或ta/2,t>t?a或ta/2，，則則回回歸歸系系數(shù)數(shù)bi與0有有顯顯著著關關異異，，反反之之，，則則與與0無無顯顯著著差差異異。。統(tǒng)統(tǒng)計計量量t的的計計算算公公式式為為：：其中中，，Cij是多多元元線線性性回回歸歸方方程程中中求求解解回回歸歸系系數(shù)數(shù)矩矩陣陣的的逆逆矩矩陣陣(x'x)?1的主主對對角角線線上上的的第第j個個元元素素。。四、、BP神神經(jīng)經(jīng)網(wǎng)網(wǎng)絡絡預預測測模模型型BP網(wǎng)網(wǎng)絡絡是是由由Rumelhart,Hinton和和Williams完完整整提提出出來來的的,它它是是一一種種包包含含有有輸輸入入層層、、隱隱含含層層和和輸輸出出層層的的單單向向傳傳播播的的多多層層前前向向網(wǎng)網(wǎng)絡絡,其其結結構構如如圖圖詳見見神經(jīng)經(jīng)網(wǎng)網(wǎng)絡絡預預測測法法有有許許多多優(yōu)優(yōu)點點：：四、、BP神神經(jīng)經(jīng)網(wǎng)網(wǎng)絡絡預預測測模模型型首先先，，神神經(jīng)經(jīng)網(wǎng)網(wǎng)絡絡的的訓訓練練方方式式，，使使得得它它特特別別適適合合于于劇劇烈烈變變化化的的情情況況。。在在這這種種情情況況下下，，它它仍仍能能取取得得較較為為穩(wěn)穩(wěn)定定的的模模型型。。其次次，，神神經(jīng)經(jīng)網(wǎng)網(wǎng)絡絡不不要要求求時時間間序序列列的的間間隔隔一一致致，，這這使使得得樣樣本本采采集集更更為為靈靈活活。。再者，神經(jīng)網(wǎng)網(wǎng)絡的輸入不不要求是單一一的序列數(shù)據(jù)據(jù)，還可以是是其他信息，，比如環(huán)