第五章物流系統(tǒng)預測(程)

1、物流系統(tǒng)預測物流系統(tǒng)預測 5.1系統(tǒng)預測概述系統(tǒng)預測概述5.2物流系統(tǒng)需求預測的特征物流系統(tǒng)需求預測的特征5.3定性預測方法定性預測方法5.4時間序列預測時間序列預測5.5回歸分析預測回歸分析預測5.6案例分析：采購預測到采購計劃案例分析：采購預測到采購計劃一、系統(tǒng)預測的概念及其實質(zhì)一、系統(tǒng)預測的概念及其實質(zhì) 什么是什么是預測（預測（forecastforecast）？ 就是對尚未發(fā)生或目前還不確定的事物進行預先估計、推就是對尚未發(fā)生或目前還不確定的事物進行預先估計、推斷和表述，是現(xiàn)時對將來時段里事物可能出現(xiàn)狀況和產(chǎn)生結(jié)斷和表述，是現(xiàn)時對將來時段里事物可能出現(xiàn)狀況和產(chǎn)生結(jié)果的探討和研究。果的探

2、討和研究。 預測的實質(zhì)是什么？預測的實質(zhì)是什么？ 充分分析使系統(tǒng)發(fā)生充分分析使系統(tǒng)發(fā)生變化的原因變化的原因，探究系統(tǒng)發(fā)展，探究系統(tǒng)發(fā)展變化的規(guī)變化的規(guī)律律，根據(jù)根據(jù)系統(tǒng)的系統(tǒng)的過去和現(xiàn)在估計未來過去和現(xiàn)在估計未來，根據(jù)已知預測未知，根據(jù)已知預測未知，從而減少對未來事物認知的不確定性，從而減少對未來事物認知的不確定性，減少決策的盲目性減少決策的盲目性。 預測的作用？預測的作用？預測是編制預測是編制計劃計劃的基礎的基礎預測是預測是決策決策的依據(jù)的依據(jù)二、二、 系統(tǒng)預測的基本原理系統(tǒng)預測的基本原理 連連貫性原理貫性原理慣性慣性: : 事物發(fā)展變化主要受內(nèi)因的作用，事物的過去，現(xiàn)在的狀態(tài)事物發(fā)展變化主

3、要受內(nèi)因的作用，事物的過去，現(xiàn)在的狀態(tài)會持續(xù)到將來。會持續(xù)到將來。事物的發(fā)展變化具有某種程度的持續(xù)性、連貫性。利用這一原則掌握事物變化的內(nèi)在原因，就能根據(jù)已知推測根據(jù)已知推測未未知，知，根據(jù)過去、現(xiàn)在推測未來根據(jù)過去、現(xiàn)在推測未來。慣性原理慣性原理: : 事物在其發(fā)展變化過程中，總有維持或延續(xù)原狀態(tài)的趨事物在其發(fā)展變化過程中，總有維持或延續(xù)原狀態(tài)的趨向，事物的某些基本特征和性質(zhì)將隨時間的延續(xù)而維持下去。向，事物的某些基本特征和性質(zhì)將隨時間的延續(xù)而維持下去。 類推性（因果性、類推性（因果性、可知性可知性）原理原理 根據(jù)事物發(fā)展變化的因果關系，推測事物未來的發(fā)展變化規(guī)律。根據(jù)事物發(fā)展變化的因果關系

4、，推測事物未來的發(fā)展變化規(guī)律。三、三、 預測方法分類（預測方法分類（107頁）頁）1.按預測的范圍或?qū)哟尾煌诸惏搭A測的范圍或?qū)哟尾煌诸?宏觀預測：宏觀預測：以整個社會經(jīng)濟發(fā)展的總前景作為考察對象 微觀預測：微觀預測：針對基層單位的各項活動進行的各種預測2 按時間長短分類按時間長短分類(*) 長期預測長期預測: : 中期預測中期預測： 短期預測短期預測： 近期：近期：5年以上1年以上5年以下3個月以上1年以下3個月以下3. 3. 按方法分類按方法分類圖圖5-15-1為預測方法的分類。為預測方法的分類。7四四. 預測的步驟預測的步驟1. 預測的基本步驟預測的基本步驟2. 2. 各步驟說明各步驟

5、說明( (* * *) )（1 1）確定預測目標）確定預測目標 預測目的：明確為什么要預測； 預測對象：對什么事物進行預測； 預測期間：對哪個時期進行預測；預測期間：對哪個時期進行預測；（2 2）收集、分析有關資料）收集、分析有關資料 預測必須占有大量的、系統(tǒng)的、適用于預測目標的資料； 預測資料可以分為兩類： 縱向資料縱向資料（預測對象的歷史數(shù)據(jù)資料） 橫向資料橫向資料（作用于預測對象的各種影響因素的數(shù)據(jù)資料 以及各種影響因素在未來可能出現(xiàn)的情況）預測的步驟預測的步驟預測的步驟預測的步驟（3 3）選擇預測方法，建立預測模型進行預測）選擇預測方法，建立預測模型進行預測 選擇預測方法，用有關變量變

6、量真實表達預測對象的特征，建立起能反映研究對象變化規(guī)律反映研究對象變化規(guī)律的模型模型。如果采用數(shù)學模型，就需要確定模型的形式，并運用收集到的資料進行必要的參數(shù)估計參數(shù)估計，求出模型的有關參數(shù)。預測模型是預測對象發(fā)展規(guī)律的近似模擬。（4）分析評價預測方法及預測結(jié)果）分析評價預測方法及預測結(jié)果分析預測誤差，對結(jié)果進行評估。（5）修正預測結(jié)果）修正預測結(jié)果在誤差計算的基礎上，通過定性、定量分析，以及預測人員的知識和經(jīng)驗對結(jié)果進行修正，使之更加適用于實際情況。（6）提交預測報告）提交預測報告 預測報告的內(nèi)容包括： 預測的主要過程； 預測目標、預測對象及預測要求； 預測資料的收集方式、方法及其分析結(jié)果；

7、 闡述選擇預測方法的原因及建立模型的過程； 對預測結(jié)果進行評價與修正的過程及結(jié)論； 預測結(jié)論。 五、五、 預測的相關問題預測的相關問題1預測的準確度預測的準確度 預測環(huán)境的多變性；預測環(huán)境的多變性； 預測預測的的準確性準確性與完整性與完整性； 預測方法的適宜性。預測方法的適宜性。影響預測的準確度的因素影響預測的準確度的因素有有：( (* *) )5.3.2 預測的相關問題預測的相關問題1預測的準確度預測的準確度提高預測準確性的措施主要有提高預測準確性的措施主要有4個個 (*) 全方位、多角度地審視預測對象及其相關全方位、多角度地審視預測對象及其相關的問題；的問題； 提高提高數(shù)據(jù)資料數(shù)據(jù)資料的的

8、準確性準確性； 選擇合適的選擇合適的預測方法預測方法； 切實提高切實提高預測人員預測人員的的水平水平。5.3.2 預測的相關問題預測的相關問題2預測的精度與成本預測的精度與成本應該注意的是：應該注意的是：第一，第一，不存在不存在百分之百準確的預測方法，因而不要盲百分之百準確的預測方法，因而不要盲目追求預測的目追求預測的絕對準確絕對準確；第二，就任何一個預測問題而言，一定存在一個第二，就任何一個預測問題而言，一定存在一個精度精度比較合理比較合理的的最低費用區(qū)間最低費用區(qū)間。5.3.2 預測的相關問題預測的相關問題3預測的時間范圍和更新頻率預測的時間范圍和更新頻率 不同的預測方法有不同的時間范圍不

9、同的預測方法有不同的時間范圍； 時間范圍越大，預測結(jié)果越不準確時間范圍越大，預測結(jié)果越不準確； 任何一種預測方法都不可能完全適用于某一預任何一種預測方法都不可能完全適用于某一預測問題，應根據(jù)實際需求不斷檢驗預測方法。測問題，應根據(jù)實際需求不斷檢驗預測方法。5.3.2 預測的相關問題預測的相關問題4預測的穩(wěn)定性與響應性預測的穩(wěn)定性與響應性穩(wěn)定性是指抗隨機干擾、反應穩(wěn)定需求穩(wěn)定性是指抗隨機干擾、反應穩(wěn)定需求的能力。的能力。響應性是指迅速反應需求變化的能力。響應性是指迅速反應需求變化的能力。物流系統(tǒng)預測物流系統(tǒng)預測 5.1系統(tǒng)預測概述系統(tǒng)預測概述5.2物流系統(tǒng)需求預測的特征物流系統(tǒng)需求預測的特征5.

10、3定性預測方法定性預測方法5.4時間序列預測時間序列預測5.5回歸分析預測回歸分析預測5.6案例分析：采購預測到采購計劃案例分析：采購預測到采購計劃5.2 物流系統(tǒng)的需求特征分析物流系統(tǒng)的需求特征分析1需求的時間特性和空間特性需求的時間特性和空間特性 銷售的增長或下降銷售的增長或下降隨時間的變化隨時間的變化: : 主要歸因于用戶需求的變動、需求模式的季節(jié)性變化以及多種因素導致的一般性波動。 需求的空間變化需求的空間變化 規(guī)劃倉庫位置、平衡物流網(wǎng)絡中的庫存水平和按地理位置分配運輸資源等都需要知道需求的空間位置。原材料原材料市場市場生產(chǎn)生產(chǎn)廠家廠家配送配送中心中心用戶用戶需求預測需求預測市場預測市

11、場預測供應預測供應預測訂購預測訂購預測訂單預測訂單預測需求信息需求信息物流領域中的預測物流領域中的預測2需求的規(guī)則性與不規(guī)則性需求的規(guī)則性與不規(guī)則性 實際銷售額 平均銷售額 A隨機性或水平性發(fā)展的需求，無趨勢或季節(jié)性因素隨機性或水平性發(fā)展的需求，無趨勢或季節(jié)性因素 圖圖5-4規(guī)規(guī)則則性性需需求求變變動動2需求的規(guī)則性與不規(guī)則性需求的規(guī)則性與不規(guī)則性圖圖5-4規(guī)規(guī)則則性性需需求求變變動動 實際銷售額 銷售趨勢 平滑趨勢和季節(jié)性銷售 B隨機性需求，呈上升趨勢，有季節(jié)性因素隨機性需求，呈上升趨勢，有季節(jié)性因素 需 求 水 平 時 間 圖圖5-5 不規(guī)則的需求模式不規(guī)則的需求模式2需求的規(guī)則性與不規(guī)則

12、性需求的規(guī)則性與不規(guī)則性3需求的獨立性與派生性需求的獨立性與派生性來自用戶的、具有一定的隨機性的物流服務需求稱來自用戶的、具有一定的隨機性的物流服務需求稱為獨立需求。為獨立需求。（如消費品的需求變動）（如消費品的需求變動）如果物流需求是隨著另一種需求而產(chǎn)生或派生出來如果物流需求是隨著另一種需求而產(chǎn)生或派生出來的的。 如生產(chǎn)物流、原材料的需求如生產(chǎn)物流、原材料的需求 比如：物流需求由某一特定的生產(chǎn)計劃要求比如：物流需求由某一特定的生產(chǎn)計劃要求（根據(jù)（根據(jù)用戶需求與市場預測制定）用戶需求與市場預測制定）派生出來，這就是需求的派生出來，這就是需求的派生性。這是一種從屬性的需求。派生性。這是一種從屬性

13、的需求。224.3 定性預測方法定性預測方法一、專家會議法一、專家會議法/Delphi/Delphi法（略）法（略）二、主觀概率法二、主觀概率法三、三、 歷史類比法歷史類比法四、領先指標法四、領先指標法23二、主觀概率法何為主觀概率法？何為主觀概率法？ 市場趨勢分析者對市場趨勢分析事件發(fā)生的概率（即可能性大?。┳龀鲋饔^估計，或者說對事件變化動態(tài)的一種心理評價，然后計算它的平均值，以此作為市場趨勢分析事件的結(jié)論的一種定性市場趨勢分析方法。241. 三個銷售人員估計值三個銷售人員估計值銷售員銷售員 甲甲銷售額銷售額概率概率銷售額銷售額概率概率最高最高10000.3300最可能最可能7000.535

14、0最低最低4000.280期望期望730銷售員銷售員 乙乙銷售額銷售額概率概率銷售額銷售額概率概率最高最高12000.2240最可能最可能9000.6540最低最低6000.2120期望期望900銷售員銷售員 丙丙銷售額銷售額概率概率銷售額銷售額概率概率最高最高9000.2180最可能最可能6000.5300最低最低3000.390期望期望570例題 某公司對明年銷售量的預測 根據(jù)三個銷售員、兩位經(jīng)理的估計對明年的銷量作出預測。 2. 銷售人員估計值處理銷售人員估計值處理 假設三個銷售人員預測的權(quán)重相同，取三者的平均值作為預測值（算術(shù)平均值），即： 銷售人員預測值=（730+900+570）/

15、3=2200/3=733.3（單位）3. 兩位銷售經(jīng)理的預測及處理兩位銷售經(jīng)理的預測及處理 （1）估計值：經(jīng)理甲：1000； 經(jīng)理乙：800 （2）假設估計結(jié)果的權(quán)重相同。取平均值，得到 經(jīng)理預測值=（1000+800）/2=900（單位） 4. 將經(jīng)理預測值與銷售人員預測值作加權(quán)平均，結(jié)果作將經(jīng)理預測值與銷售人員預測值作加權(quán)平均，結(jié)果作為最終預測結(jié)果為最終預測結(jié)果（經(jīng)理和銷售人員的權(quán)值，假設采取假設采取2:1加權(quán)加權(quán)），得到 明年銷售預測值（1733.3+9002）/3=844.4（單位） 26三. 歷史類比法 預測方法 通過對類似產(chǎn)品、可替代產(chǎn)品、或國外同類產(chǎn)品發(fā)展規(guī)律的分析，來進行相關的

16、預測。特點 缺少必要數(shù)據(jù)資料的新生事物，但能找到可進行對比分析的產(chǎn)品。四、領先指標法四、領先指標法領先指標，也叫先行指標。領先指標，也叫先行指標。這類經(jīng)濟指標的變動在時間上先于市場的變化，這一功能使領先指標對一般經(jīng)濟活動的變動始終可起預報或示警作用。 許多領先指標反映著對近期和未來經(jīng)濟活動的承諾，如新開工項目數(shù)、政府頒發(fā)的許可證、原材料價格等?？梢愿鶕?jù)領先指標的變動預測未來行情變動。4.3 時間序列預測技術(shù)灰色系統(tǒng)預測法馬爾可夫鏈法隨機時序預測趨勢外推法季節(jié)指數(shù)法指數(shù)平滑法移動平均法簡單平均法確定性時序預測時間序列預測時間序列預測的分類時間序列預測的分類29一. 移動平均預測法計算公式：教材計

17、算公式：教材117頁式頁式6-1Y8=(675+678+685)/3=679.33Y9=(678+685+686)/3=683 =679.3+(686-675)/3 =679.33+3.67 =683 時間（月）123456789運輸量（噸）645650670660675678685686?某公司某公司2003年年18月的貨物運輸量月的貨物運輸量1. 一次移動平均預測法一次移動平均預測法30 例題2 某物資企業(yè)統(tǒng)計了某年度1月至11月的鋼材實際銷售量，統(tǒng)計結(jié)果見表42，請用移動平均預測法預測其12月的鋼材銷售量。月份實際銷量(噸)移動平均數(shù)Mt(1)n=3n=61224002219003226

18、004214002230052310021967623100223677257002253322417823400239672296792380024067232161025200243002341611254002413324049122480024433計算結(jié)果圖表顯示計算結(jié)果圖表顯示從圖上可以看出幾點規(guī)律？（1）用移動平均法計算出的新數(shù)列的變化趨勢新數(shù)列的變化趨勢與實際變化情況實際變化情況基本一致基本一致；（2）新數(shù)列數(shù)據(jù)波動的范圍變小了新數(shù)列數(shù)據(jù)波動的范圍變小了，并且隨參與平均值計算的n值的增加，平均值的波動范圍越小。(修勻能力、抗干擾能力修勻能力、抗干擾能力)（3）當n值增大值增大，

19、移動平均值對時間序列變化的敏感性降低敏感性降低。期期序序歷史歷史數(shù)據(jù)數(shù)據(jù)一次平一次平均均n=3一次平一次平均均n=51102153204251553020635252074030258453530950403510554540一次移動平均法的缺點：一次移動平均法的缺點：(*)具有明顯的滯后性，尤其是對帶有明顯具有明顯的滯后性，尤其是對帶有明顯上升或下降趨勢的歷史數(shù)據(jù)的預測。上升或下降趨勢的歷史數(shù)據(jù)的預測。對帶有明顯趨勢的數(shù)據(jù)的預測采用的方法：對帶有明顯趨勢的數(shù)據(jù)的預測采用的方法： 回歸分析（回歸分析（y=a+bt) 二次平均移動法（將落后值補上去）二次平均移動法（將落后值補上去）期序歷史數(shù)據(jù)一

20、次一次平均平均n=3二次二次平均平均n=31102153204255306357408459501055 一次移動平均值滯后于歷史數(shù)據(jù)； 二次移動平均值又落后于一次移動平均值。啟示啟示：根據(jù)歷史數(shù)據(jù)、一次、二次移動平均值三者間的滯后關系，可得二次移動平均預測法的基本思想：2.二次平均移動法二次平均移動法2025303515202530354045 先求出一次移動平均值與二次移動平均值之間的差值求出一次移動平均值與二次移動平均值之間的差值， 將此差值加到一次移動平均值上此差值加到一次移動平均值上， 再再考慮其趨勢變動值考慮其趨勢變動值，得到接近實際情況的預測值。34（1）計算一次移動平均值（2）

21、計算二次移動平均值)24()1()1(2)1(1)2( nMMMMntttt其中： Mt(1) t時刻的一次移動平均值 Mt(2)t時刻的二次移動平均值； n：參與二次平均計算的一次移動平均值的個數(shù)（3）對有線性趨勢的時間序列做預測)34( TbayttTt )54(12)44(2:)2()1()2()1(: ttttttTtMMnbMMaTy預預測測期期與與本本期期的的間間距距；預預測測期期的的預預測測值值；其中：二次移動平均預測法二次移動平均預測法(118頁）頁）例題 某物資企業(yè)某年度1月至11月的鋼材實際銷售量，用二次移動平均預測法預測其12月的鋼材銷售量。月份實際銷售量一次平均數(shù)Mt(

22、1) 二次平均數(shù)Mt(2) Mt(1)- Mt(2)atbt預測值yt+T取T=1(1)(2)(3)(4)(5)=(3)-(4)(6)=(3)+(5)(7)=(8)=(6)+(7)*T1224002219003226004214002230052310021967623100223677257002253322211322228563222317882340023967222891678256451678273229238002406722956111125178111126289102520024300235227782507877825856112540024133241112224155

23、2224177122480024167633254336332606636二、指數(shù)平滑法復習:指數(shù)平滑的思路是什么？ 對離預測期較近的歷史數(shù)據(jù)給予較大的權(quán)數(shù)，離預測期較遠的歷史數(shù)據(jù)給予較小的權(quán)數(shù)。(一）一） 一次指數(shù)平滑預測法一次指數(shù)平滑預測法(*) Ft+1=a*xt+(1-a)Ft 教材118-119 只需前期的實際值與預測值就可（前期預測值實際上包含了歷史的影響）(1)212(1)0(1)(1).tttttSXXXS(1- )(1)(1)1(1)tttSXS(1)(1)112(1)tttSXS(1)(1)110(1)SXS 迭代可得，迭代可得，指數(shù)平滑如何克服移動平均的不足？指數(shù)平滑如何

24、克服移動平均的不足？權(quán)系數(shù)為：權(quán)系數(shù)為：按指數(shù)按指數(shù)幾何級數(shù)衰減幾何級數(shù)衰減，符合指數(shù)規(guī)律，又具有平滑，符合指數(shù)規(guī)律，又具有平滑數(shù)據(jù)的作用，因此稱為指數(shù)平滑法。數(shù)據(jù)的作用，因此稱為指數(shù)平滑法。(1)212(1)0(1)(1).tttttSXXXS(1- )21-1-，（），（） ，.39（1）初始值）初始值F1(1)的確定方法的確定方法由歷史數(shù)據(jù)得到如歷史數(shù)據(jù)較少或數(shù)據(jù)可靠性較差，采取定性預測估計。（2）合理選取平滑系數(shù)）合理選取平滑系數(shù) (*) 取值大小體現(xiàn)了不同時期數(shù)據(jù)在預測中所占的比例； 越大，模型對時間序列的變化包括隨機波動越敏感 越小，歷史數(shù)據(jù)的權(quán)屬大，消除了隨機波動，只反映長期的大

25、致發(fā)展趨勢。 見教材119頁例6-1 n n 20 20，取取n 20，取最初幾期數(shù)據(jù)的平均值。取最初幾期數(shù)據(jù)的平均值。(1)01SX( (初始值對預測結(jié)果的影響很小初始值對預測結(jié)果的影響很小) )平滑系數(shù)平滑系數(shù)的選擇的選擇當時間序列呈穩(wěn)定的水平趨勢時，當時間序列呈穩(wěn)定的水平趨勢時，應取較小值，應取較小值，如如0.10.3；當時間序列波動較大，長期趨勢變化的幅度較大當時間序列波動較大，長期趨勢變化的幅度較大時，時，應取中間值，如應取中間值，如0.30.5；當時間序列具有明顯的上升或下降趨勢時，當時間序列具有明顯的上升或下降趨勢時，應取應取較大值，如較大值，如0.60.8；在實際運用中，可取若

26、干個在實際運用中，可取若干個值進行試算比較，選擇值進行試算比較，選擇預測誤差最小的預測誤差最小的值。值。算例算例【例例】某企業(yè)某企業(yè)2000至至2008年銷售額見下表，試用指數(shù)平年銷售額見下表，試用指數(shù)平滑法預測滑法預測2009年銷售額（年銷售額（分別取分別取0.1、0.6和和0.9）。）。年份年份2000 2001 2002 2003 2004 2005 2006 2007 2008銷售額銷售額（萬元（萬元）4000 4700 5000 4900 5200 6600 6200 5800 6000解：（解：（1）確定初始值）確定初始值因為因為n=915,取時間序列的前三項數(shù)據(jù)的平均值作為取時間

27、序列的前三項數(shù)據(jù)的平均值作為初始值初始值(1)12304000470050004566.67()33萬元xxxS（2）選擇平滑系數(shù)）選擇平滑系數(shù)，計算各年一次指數(shù)平滑值，計算各年一次指數(shù)平滑值這里分別取這里分別取=0.1、=0.6和和=0.9計算各年一次指數(shù)計算各年一次指數(shù)平滑值平滑值 （3）對不同平滑系數(shù)下取得的平滑值進行誤差分析，）對不同平滑系數(shù)下取得的平滑值進行誤差分析，確定確定的取值。的取值。 方法：計算各平滑系數(shù)下平滑值的平均絕對誤差（平方法：計算各平滑系數(shù)下平滑值的平均絕對誤差（平均差）均差）(1)ttxSADn計算公式：計算公式：算例算例通過比較，通過比較，=0.9時的平滑值的平

28、均絕對誤差最小時的平滑值的平均絕對誤差最小，因此選用，因此選用=0.9用為平滑系數(shù)。用為平滑系數(shù)。(1)6430.00714.449ttxSADn(1)2139.9237.779ttxSADn(1)908.62100.969ttxSADn=0.1的平滑值的平均絕對誤差的平滑值的平均絕對誤差=0.6的平滑值的平均絕對誤差的平滑值的平均絕對誤差=0.9的平滑值的平均絕對誤差的平滑值的平均絕對誤差算例算例預測預測2009年銷售額年銷售額Y12=0.9Y12=0.9* *6000+0.16000+0.1* *5982.575982.57 =5998.257 =5998.257月份運輸量（萬噸）預測值=

29、0.1=0.5=0.9151（38）（38）（38）23539.344.549.732838.8739.7536.4743237.7833.8828.8554837.232.9431.6965438.2840.4746.3775239.8547.2453.2484841.0749.6252.1294247.7648.8148.41104641.7845.4142.64114442.245.7145.66124742.3844.8644.17142.8445.9346.72例題例題2.2. 某物資企業(yè)某物資企業(yè)20022002年每月的物資運輸量統(tǒng)計如下，用指數(shù)平年每月的物資運輸量統(tǒng)計如下，用指數(shù)

30、平滑法預測滑法預測20032003年一月份的運輸量（用不同的平滑常數(shù)）年一月份的運輸量（用不同的平滑常數(shù)）解：設解：設 F F1 1(1)(1)=(x1+x2+x3)=38, =(x1+x2+x3)=38, =0.1, 0.5, 0.9, =0.1, 0.5, 0.9, 計算結(jié)果見下計算結(jié)果見下表：表： 47（二）趨勢校正（120頁）一段時間內(nèi)收集到的數(shù)據(jù)所呈現(xiàn)的上升或下降趨勢上升或下降趨勢將導致指數(shù)預測滯后于實際滯后于實際需求。通過趨勢調(diào)整，添加趨勢修正值，可以在一定程度上改進指數(shù)平滑預測結(jié)果。調(diào)整后的指數(shù)平滑法的公式為： Ft+1 = St+1 + Tt+1 St+1=xt+(1- )(S

31、t+Tt) Tt+1=(St+1-St)+(1 1- ) Tt 趨勢值趨勢值趨勢預測趨勢預測(Ft)=預測（預測（St）+趨勢校正（趨勢校正（Tt）第第t期初始預測值期初始預測值預測值 趨勢趨勢平滑系數(shù)趨勢平滑系數(shù)St+Tt=Ft算例算例【例例】某企業(yè)某企業(yè)2000至至2008年銷售額見下表，試用趨勢校正后的指年銷售額見下表，試用趨勢校正后的指數(shù)平滑法預測數(shù)平滑法預測2009年銷售額（年銷售額（ 取0.6，B=0.5)年份年份銷售銷售額額S ST T（趨勢趨勢值）值）F F2000430043002001450045002002480048002003500050002004530053002

32、005600060002006620062002007630063002008650065004050405025025043004300452045204782478250125012528052805814581462036203641864186621662125025023523524924924024025425439439439239230330325325343004300455045504755475550315031525252525534553462086208659565956803680368746874T1=250 F1=4300s2=4300*0.6+(4050+2

33、50)*0.4 =4300T2=(4300-4050)*0.5+250*0.5 =250F2=4300+250=4550（三）趨勢和季節(jié)性因素的校正（三）趨勢和季節(jié)性因素的校正當時間序列的趨勢和季節(jié)性波動都很明顯時，需要在預測模型中當時間序列的趨勢和季節(jié)性波動都很明顯時，需要在預測模型中對這兩種因素進行校正。對這兩種因素進行校正。季節(jié)指數(shù)：季節(jié)指數(shù)：是一種以相對數(shù)表示的季節(jié)變動衡量指標。是一種以相對數(shù)表示的季節(jié)變動衡量指標。( (* * *) ) 在實際預測中通常需要運用三年以上的分季歷史數(shù)據(jù)計算季節(jié)指數(shù)在實際預測中通常需要運用三年以上的分季歷史數(shù)據(jù)計算季節(jié)指數(shù)。 一年一年4 4個季度的季度指

34、數(shù)之和為個季度的季度指數(shù)之和為400%400%，每個季度季節(jié)指數(shù)平均數(shù)，每個季度季節(jié)指數(shù)平均數(shù)為為100%100%。 季節(jié)變動表現(xiàn)為各季的季節(jié)指數(shù)圍繞著季節(jié)變動表現(xiàn)為各季的季節(jié)指數(shù)圍繞著100%100%上下波動上下波動，表明各季銷售量與全年平均數(shù)的相對關系。，表明各季銷售量與全年平均數(shù)的相對關系。 如某種商品第一季度的季節(jié)指數(shù)為如某種商品第一季度的季節(jié)指數(shù)為125%125%，這表明該商品第一季度的，這表明該商品第一季度的銷售量通常高于年平均數(shù)銷售量通常高于年平均數(shù)25%25%，屬旺季，若第三季度的季節(jié)指數(shù)為，屬旺季，若第三季度的季節(jié)指數(shù)為73%73%，則表明該商品第三季度的銷售量通常低于年平均

35、數(shù)，則表明該商品第三季度的銷售量通常低于年平均數(shù)27%27%，屬淡季。，屬淡季。1234各季平均季節(jié)指數(shù)（%）7 季度1996年 1997年 1998年A A=(2)+(3)+(4)=(2)+(3)+(4)/3/3S=A/BY=Yt*S季度18223133024728.9298.15季度1728170519321788.3208.92155.16季度1144120814271259.7147.21518.62季度11813413212815154.75合計3172327838213423.7歷年季度總平均數(shù)歷年季度總平均數(shù)B B=(A1+A2+A3+A4)/4=(A1+A2+A3+A4)/48

36、55.925855.925Y Yt t=1031,67=1031,67例：根據(jù)某市文化衫例：根據(jù)某市文化衫1996-1998銷售資料預測銷售資料預測1999各個季節(jié)的銷各個季節(jié)的銷售量售量 。設：設：1999年的銷售量以年的銷售量以1998年銷售量為基數(shù)按年銷售量為基數(shù)按8 %遞增遞增19991999年的銷售量為年的銷售量為38213821* *1.08=4126.681.08=4126.68平均每季度銷售平均每季度銷售=4126.68/4=1031.67=4126.68/4=1031.67I1996(1)= =0.231823172/ 4見教材121頁St+1: t+1期除去季節(jié)波動但考慮長

37、期趨勢的基礎預測值It-L ：上一個周期同一季節(jié)的季節(jié)指數(shù) Tt: 趨勢值 B： 趨勢基礎上的平滑指數(shù)r:季節(jié)性指數(shù)基礎上的平滑系數(shù)Xt/St ：季節(jié)指數(shù)，實際值與除掉季節(jié)因素的預測值之比趨勢和季節(jié)性因素的校正的模型方程趨勢和季節(jié)性因素的校正的模型方程1111111(/)(1)()()(1)(/)(1)()*ttt Ltttttttttt Ltttt LSa xIa STTB SSB TIr xSr IFSTI L L完整的季節(jié)周期，完整的季節(jié)周期，四季循環(huán)波動為四季循環(huán)波動為4 41212個月循環(huán)波動為個月循環(huán)波動為1212例: 某地過去3年的季度電力需求（消耗）數(shù)據(jù)如下表。試預測下一 年各

38、季度的電力需求量（平滑指數(shù)自己定）。 某地過去3年的季度電力需求數(shù)據(jù) 解: 畫出需求序列的散點圖。顯示該序列既具有增長趨勢，又有以一年四季為周期的季節(jié)性成分。季度季度 123456789101112需求需求 182 105 77168 210 126 119 161 217 140 133189回歸統(tǒng)計Multiple R0.252683R Square0.063849Adjusted R Square-0.02977標準誤差43.59155觀測值12方差分析 dfSSMSFSignificance F回歸分析11296.0161296.0160.6820330.42815殘差1019002.

39、231900.223總計1120298.25Coefficients 標準誤差t StatP-valueIntercept132.681826.828754.945510.000582t3.010493.6453090.8258530.42815不能直接采用一元線性回歸！思路：（1）用前面的8個數(shù)據(jù)來估計模型參數(shù)，包括基本值、趨勢值、季節(jié)性指數(shù)。（2）用第三個周期的4個數(shù)據(jù)來修正模型參數(shù)（3）參數(shù)確定后，預測第4個周期的需求值1996 19971998趨勢T97-96T98-9711822102172872105126140211437711913342144168161189-728每年需求

40、4季5326166798463平均/4133154 169.7521 15.75年度內(nèi)季度之間的趨勢T5.255.25 3.9373.9375 5年份TX除去季節(jié)波動的預測值S季 節(jié) 指數(shù)I=X/S趨 勢T1996年平均X=1331182 125.1251.452105 133- 5 . 2 5 / 2- 5 . 2 5 / 2 =130.3750.815.25377133+ 5 . 2 5 / 2+ 5 . 2 5 / 2 =135.6250.575.254168 140.8751.195.251997年平均X=1545210 146.1551.445.256126 151.3750.835

41、.257119 156.6250.765.258161 161.87515.2519989217217/1.45=149.65510140140/0.82=170.73211133133/0.67=198.5112189189/1.1=171.82前面8個數(shù)據(jù)點的最佳擬合曲線（消除季節(jié)波動）為：St=125.125+5.25t年份TX前 一 周 期前 一 周 期季節(jié)指數(shù)季節(jié)指數(shù)平滑的基本值S趨勢T本 期 季本 期 季節(jié)指數(shù)節(jié)指數(shù)I I預測值8161161.8755.25實際1.01998（2）用第三個周期的）用第三個周期的4個數(shù)據(jù)來修正模型參數(shù)個數(shù)據(jù)來修正模型參數(shù)(平滑系數(shù)取平滑系數(shù)取0.3）

42、1(/)(1)()ttt LttSa xIa STS9 =0.3S9 =0.3* *(161/1)+0.7(161/1)+0.7* *(161.875+5.25)(161.875+5.25) =165.29 =165.29(/) (1)tttt LIr x Sr I1111()*tttt LFSTI 11()(1)ttttTB SSB T平滑系數(shù)取平滑系數(shù)取0.150.15時，預測值時，預測值F9=241,F9=241,； 取取0.40.4時，時，T10T10會得負值會得負值 165.49165.493.340.83140.1165.29165.294.691.4 231.4T9=0.3T9=

43、0.3 (165.29161.875)+0.7(165.29161.875)+0.7 5.255.25 =4.69 =4.6992170.30.7 1.441.4165.29I 9(165.294.69)*1.40237.97F =231.4168.783.330.77132.5172.33.391.0318192171.44101400.83111330.761218913）預測1999年一季度即第13期的需求量：年份年份T TX X前 一 周 期前 一 周 期季節(jié)指數(shù)季節(jié)指數(shù)平滑的基平滑的基本值本值S趨勢趨勢T T本 期 季本 期 季節(jié)指數(shù)節(jié)指數(shù)I I預測值預測值1 19989981212

44、1891 1172.3172.33.393.39 1.031.031 181811999199913131(/)(1)()ttt LttSa xIa STS13 =0.3S13 =0.3* *(189/1.03)+0.7(189/1.03)+0.7* *(172.3+3.39)(172.3+3.39) =178.03 =178.03(/) (1)tttt LIr x Sr I1111()*tttt LFSTI 11()(1)ttttTB SSB TT13=0.3T13=0.3 (178.03172.3)+0.7(178.03172.3)+0.7 3.393.39 =4.09 =4.091313

45、0.30.7 1.4165.29XI1313178.03(4.09)*FI1.41.4178.03178.034.094.09257.54257.54Y13=257.5413130.30.7 1.4165.29YI1313178.03(4.09)*FI131313(178.034.09)*(0.30.7 1.4)165.29YFY見教材121頁（同二次平均移動法）（四）二次指數(shù)平滑預測法（四）二次指數(shù)平滑預測法時間序列預測法小結(jié)本節(jié)主要學習了兩種時間序列預測方法：移動平均方法移動平均方法和指數(shù)指數(shù)平滑法平滑法。這兩種方法都采用“平滑平滑”的方式來進行預測。 其基本思想都是通過對歷史數(shù)據(jù)的“平均

46、”或“平滑”處理，“平滑平滑掉掉”短期的不規(guī)則性短期的不規(guī)則性，消除影響事物的隨機因素消除影響事物的隨機因素，揭示事物發(fā)揭示事物發(fā)展的趨勢展的趨勢。平滑的數(shù)據(jù)能夠反映事物的變化趨勢，在物流系統(tǒng)預測中是極其有用的預測方法。這二類預測法所用的數(shù)據(jù)量不多這二類預測法所用的數(shù)據(jù)量不多，對時間序列有較好的適用性，被廣泛應用于市場資源量、采購量、需求量、銷售量及價格的預測中。4.4 回歸分析預測技術(shù)事物之間或事物的各因素之間只處于兩種狀態(tài)： 有關系或無關系比如，物資的需求與價格，物資的采購量與需求量，物資的采購成本與銷售利潤等這些事物或事物的各因素，都可以用變量來表示。事物及其因素變量有關系無關系確定性關

47、系非確定性關系特征提取65回歸分析是一種對于變量間非確定性關系變量間非確定性關系（找出變量間的統(tǒng)計規(guī)統(tǒng)計規(guī)律性律性）的統(tǒng)計分析法。預測步驟如下：確定預測變量可能的相關因素，并收集這些因素的統(tǒng)計資料；分析這些因素間是否存在相關關系；根據(jù)統(tǒng)計資料建立回歸模型，求出回歸方程；用回歸方程進行預測；對回歸方程進行統(tǒng)計檢驗，并給出預測精度估計值。對回歸方程進行統(tǒng)計檢驗，并給出預測精度估計值。分類：一元線性回歸預測法 多元線性回歸預測法 非線性回歸預測法（一）一元線性回歸預測法 例：為了預測汽車薄鋼板的年需求量，有關物資企業(yè)研究并收集了發(fā)達國家汽車制造業(yè)近幾年間的汽車產(chǎn)量與薄鋼板消耗量的數(shù)據(jù)，見表： 變量間

48、是線性相關關系。只有一個自變量（影響因素），一個因變量。過程見教材過程見教材124-125124-125頁頁ExcelExcel操作操作序號 年度汽車產(chǎn)量x（萬輛）薄鋼板消耗量y（千噸）1199513.9819.182199613.5219.9373199712.5420.2194199814.9129.2625199918.630.3996200024.432.3887200128.840.2458200234?一元線性回歸預測法一元線性回歸預測法預測流程判斷變量間是否成線性趨勢。對n對觀察點數(shù)據(jù)（Xi,Yi）,選取直角坐標系，繪制散點圖。分析變量間是否存在線性相關關系 求回歸方程：ya+bx，并進行預測iiiiiynyxnxxnxyxnyxbxbya1122檢驗相關性散點圖只能表示兩個變量之間是否線性相關，而不能表示變量的線性相關程度到底有多大。對兩個變量的線性相關性的檢驗可以通過數(shù)理統(tǒng)計中的F檢驗和R檢驗來進行。 SUMMARY OUTPUT回歸統(tǒng)計Multiple R0.91796754R Square0.8426644Adjusted R Adjusted R S