第2章-物流需求預測

一、物流需求預測概述二、物流需求預測方法三、預測誤差分析與預測方法選擇第二章物流需求預測1物流需求預測的概念物流需求預測是根據物流市場過去和現在的需求狀況以及影響物流市場需求變化的因素之間的關系，利用一定的經驗、技術和科學方法對市場需求指標的變化以及發(fā)展的趨勢進行預測。物流需求預測的特征（1）需求的空間和時間特征（2）需求的規(guī)律性和不規(guī)律性（3）相關需求和獨立需求

一、物流需求預測的內涵

第一節(jié)物流需求預測概述2物流流量預測（1）微觀物流流量的預測（2）宏觀物流流量的預測物流流向預測物流成本預測物流需求預測

二、物流需求預測的內容3確定預測目標確定預測內容選擇預測方法計算并做出預測分析預測誤差三、物流需求預測的程序4經驗預測法專家會議法德爾菲法

一、物流需求定性預測方法第二節(jié)物流需求預測方法5（一）時間序列預測法算術平均法二、物流需求定量預測方法式中，

Ft+1

—第t+1期的預測值

xi—第i

期的實際值6移動平均法式中，Ft+1—第t+1期的預測值

xt—第

t期的實際值n—計算移動平均數所選定的數據個數。7指數平滑法式中，t—本期的時間α—指數平滑系數

xt—第t

期的需求值Ft—第t

期的預測值Ft+1—對第t+1，或下期的預測值8長期趨勢法式中，Ft+1—第t+1期物流需求的預測值；α

—第0期的物流需求的預測值；β—直線的斜率；n

—實際物流需求數據時期數；xi—實際物流需求數據。9例2-1：表2-1為某物資企業(yè)在2016年1~6月的鋼材需求量，請分別用算術平均法、移動平均法、指數平滑法和長期趨勢法預測7月份鋼材的需求量。表2-1

1～6的鋼材需求量單位：噸月份123456需求量22400219002260021400231002310010步驟1：建立基礎數據表。

11步驟2：用算術平均法預測。

12步驟3：用移動平均法預測

13步驟4：用指數平滑法預測。取α=0.314步驟5：設置回歸參數1516步驟6：用長期趨勢法預測。1718季節(jié)變動預測法（1）計算出每一年同月或同季的物流需求數據的平均值（用A表示）。（2）計算出所有月份或季度的物流需求數據的平均值（用B表示）。（3）計算各月或各季度的季節(jié)指數，即S＝A／B。（4）根據全年趨勢預測值，求出各月或各季度的平均預測值，再乘以相應的季節(jié)指數。19灰色模型預測法（1）檢查進行GM(1,1)建模的可行性。判斷標準為原始數列的級比，即前一數據除以相鄰的后一數據，滿足下式：式中，n—原始物流需求的時期個數；xi—第i期原始物流需求（i=1，2，3，…，n）20（2）對原始數列進行累加以得到新數列：式中，

—第i期原始物流需求的累加值。（3）建立矩陣：21（4）建立向量：（5）建立GM（1，1）模型：22（6）求解預測模型：式中，a—發(fā)展系數；b—灰色作用量；—第i+1期擬合數列值；—第i+1期預測物流需求值。—待估參數向量，可由最小二乘法求解，得23例2-2：已知一倉庫2009～2016年需要某種貨物分別為139、142、141、148、158、162、164和166件，試用灰色模型法預測2017年的需求量。步驟1：建立基礎數據表。如圖2-10所示。24步驟2：計算原始數據級比。步驟3：計算上/下限。

25步驟4：判斷可行性。

26步驟5：計算數據累加。27步驟6：建立矩陣B28步驟7：求矩陣B的轉置矩陣BT

步驟8：計算BT×B

29步驟9：計算BT×B的逆矩陣(BT×B)-130步驟10：矩陣求解步驟:11：

求發(fā)展系數a、灰色作用量b及b/a。

31步驟12：計算擬合值32步驟13：需求預測

33（二）因果關系預測法一元線性回歸分析預測法

（1）一元線性回歸模型的估計。一元線性回歸分析預測模型為：，

式中，xi—自變量x的第i個觀測值；—當x取值為xi時，因變量物流需求的預測值；α—截距，β—斜率。3435（2）擬合優(yōu)度檢驗

當R2＝1時，物流需求與x

完全線性相關，模型的擬合程度最優(yōu)；當R2＝0時，物流需求與x

無線性相關關系，模型的擬合程度最差。通常R2都是介于0～1之間，R2≥0.9時，估計模型為優(yōu)；0.8≤R2≤0.9時，估計模型為良；0.6≤R2≤0.8時，估計模型一般；R2＜0.6時，估計模型為差。36例2-3：一家服裝企業(yè)統(tǒng)計了30個城市的常住人口數和物流需求的數據，如表2-2所示。請根據這些數據找到物流需求與人口數的關系，以便未來進行物流需求預測。（1）如果某一城市的人口數為300萬人，請預測該城市的物流需求量。（2）該公司又進一步統(tǒng)計了各城市對應的廣告投入費用，如表2-2所示。請根據這些數據找到物流需求與人口數、廣告投入的關系，以便未來進行物流需求預測。如果某一城市的人口數為300萬人，廣告投入為20萬元，請預測該城市的物流需求量。37編號人口數（萬人）廣告投入（萬元）物流需求（件）1491.35.837912468.333.64015318447.826014150.123.317995260.830.530636512.245.745047518.227.742158489.435.638449129.818.4144610529.63.7406611145.71.8172812438.215.9356813343.516.63019141846.6223615384.735.8308416103.220.8152917386.339.73484184738.2306619260.713.3233020462.936.5386021210.741.5248622231.447.7248223264.641.8318924305.12.623642551.247.3178726507.22.13367273823430962820018.8208029521.140.4439530435.715.5381038步驟1：建立基礎數據表39步驟2：繪制物流需求與人口數散點圖

40步驟3：添加趨勢線

41步驟4：設置回歸參數

42步驟5：進行回歸分析

43步驟6：

300萬人口的物流需求預測44多元線性回歸分析預測法（1）多元線性回歸模型的估計。多元線性回歸分析預測模型為：

式中，k—自變量的數量；

βj（j＝1，2，…，k）—回歸系數；

—當k個自變量的取值為x1i，x2i，…，xki時，因變量物流需求的預測值。4546（2）擬合優(yōu)度檢驗

47例2-4（例2-3問題2）步驟1：建立基礎數據表。

48步驟2：繪制物流需求與廣告投入散點圖49步驟3：添加趨勢線

圖2-29帶趨勢線的物流需求與廣告投入散點圖50步驟4：設置回歸參數

51步驟5：回歸分析52步驟6：

300萬人口、廣告投入20萬元的城市的物流需求預測

53（三）組合預測法組合預測有兩種基本形式：（1）等權組合，即在匯總預測結果時，各預測方法的預測值被賦予相同的權重。（