第五章物流系统预测(程)

1、物流系统预测物流系统预测 5.1系统预测概述系统预测概述5.2物流系统需求预测的特征物流系统需求预测的特征5.3定性预测方法定性预测方法5.4时间序列预测时间序列预测5.5回归分析预测回归分析预测5.6案例分析：采购预测到采购计划案例分析：采购预测到采购计划一、系统预测的概念及其实质一、系统预测的概念及其实质 什么是什么是预测（预测（forecastforecast）？ 就是对尚未发生或目前还不确定的事物进行预先估计、推就是对尚未发生或目前还不确定的事物进行预先估计、推断和表述，是现时对将来时段里事物可能出现状况和产生结断和表述，是现时对将来时段里事物可能出现状况和产生结果的探讨和研究。果的探

2、讨和研究。 预测的实质是什么？预测的实质是什么？ 充分分析使系统发生充分分析使系统发生变化的原因变化的原因，探究系统发展，探究系统发展变化的规变化的规律律，根据根据系统的系统的过去和现在估计未来过去和现在估计未来，根据已知预测未知，根据已知预测未知，从而减少对未来事物认知的不确定性，从而减少对未来事物认知的不确定性，减少决策的盲目性减少决策的盲目性。 预测的作用？预测的作用？预测是编制预测是编制计划计划的基础的基础预测是预测是决策决策的依据的依据二、二、 系统预测的基本原理系统预测的基本原理 连连贯性原理贯性原理惯性惯性: : 事物发展变化主要受内因的作用，事物的过去，现在的状态事物发展变化主

3、要受内因的作用，事物的过去，现在的状态会持续到将来。会持续到将来。事物的发展变化具有某种程度的持续性、连贯性。利用这一原则掌握事物变化的内在原因，就能根据已知推测根据已知推测未未知，知，根据过去、现在推测未来根据过去、现在推测未来。惯性原理惯性原理: : 事物在其发展变化过程中，总有维持或延续原状态的趋事物在其发展变化过程中，总有维持或延续原状态的趋向，事物的某些基本特征和性质将随时间的延续而维持下去。向，事物的某些基本特征和性质将随时间的延续而维持下去。 类推性（因果性、类推性（因果性、可知性可知性）原理原理 根据事物发展变化的因果关系，推测事物未来的发展变化规律。根据事物发展变化的因果关系

4、，推测事物未来的发展变化规律。三、三、 预测方法分类（预测方法分类（107页）页）1.按预测的范围或层次不同分类按预测的范围或层次不同分类 宏观预测：宏观预测：以整个社会经济发展的总前景作为考察对象 微观预测：微观预测：针对基层单位的各项活动进行的各种预测2 按时间长短分类按时间长短分类(*) 长期预测长期预测: : 中期预测中期预测： 短期预测短期预测： 近期：近期：5年以上1年以上5年以下3个月以上1年以下3个月以下3. 3. 按方法分类按方法分类图图5-15-1为预测方法的分类。为预测方法的分类。7四四. 预测的步骤预测的步骤1. 预测的基本步骤预测的基本步骤2. 2. 各步骤说明各步骤

5、说明( (* * *) )（1 1）确定预测目标）确定预测目标 预测目的：明确为什么要预测； 预测对象：对什么事物进行预测； 预测期间：对哪个时期进行预测；预测期间：对哪个时期进行预测；（2 2）收集、分析有关资料）收集、分析有关资料 预测必须占有大量的、系统的、适用于预测目标的资料； 预测资料可以分为两类： 纵向资料纵向资料（预测对象的历史数据资料） 横向资料横向资料（作用于预测对象的各种影响因素的数据资料 以及各种影响因素在未来可能出现的情况）预测的步骤预测的步骤预测的步骤预测的步骤（3 3）选择预测方法，建立预测模型进行预测）选择预测方法，建立预测模型进行预测 选择预测方法，用有关变量变

6、量真实表达预测对象的特征，建立起能反映研究对象变化规律反映研究对象变化规律的模型模型。如果采用数学模型，就需要确定模型的形式，并运用收集到的资料进行必要的参数估计参数估计，求出模型的有关参数。预测模型是预测对象发展规律的近似模拟。（4）分析评价预测方法及预测结果）分析评价预测方法及预测结果分析预测误差，对结果进行评估。（5）修正预测结果）修正预测结果在误差计算的基础上，通过定性、定量分析，以及预测人员的知识和经验对结果进行修正，使之更加适用于实际情况。（6）提交预测报告）提交预测报告 预测报告的内容包括： 预测的主要过程； 预测目标、预测对象及预测要求； 预测资料的收集方式、方法及其分析结果；

7、 阐述选择预测方法的原因及建立模型的过程； 对预测结果进行评价与修正的过程及结论； 预测结论。 五、五、 预测的相关问题预测的相关问题1预测的准确度预测的准确度 预测环境的多变性；预测环境的多变性； 预测预测的的准确性准确性与完整性与完整性； 预测方法的适宜性。预测方法的适宜性。影响预测的准确度的因素影响预测的准确度的因素有有：( (* *) )5.3.2 预测的相关问题预测的相关问题1预测的准确度预测的准确度提高预测准确性的措施主要有提高预测准确性的措施主要有4个个 (*) 全方位、多角度地审视预测对象及其相关全方位、多角度地审视预测对象及其相关的问题；的问题； 提高提高数据资料数据资料的的

8、准确性准确性； 选择合适的选择合适的预测方法预测方法； 切实提高切实提高预测人员预测人员的的水平水平。5.3.2 预测的相关问题预测的相关问题2预测的精度与成本预测的精度与成本应该注意的是：应该注意的是：第一，第一，不存在不存在百分之百准确的预测方法，因而不要盲百分之百准确的预测方法，因而不要盲目追求预测的目追求预测的绝对准确绝对准确；第二，就任何一个预测问题而言，一定存在一个第二，就任何一个预测问题而言，一定存在一个精度精度比较合理比较合理的的最低费用区间最低费用区间。5.3.2 预测的相关问题预测的相关问题3预测的时间范围和更新频率预测的时间范围和更新频率 不同的预测方法有不同的时间范围不

9、同的预测方法有不同的时间范围； 时间范围越大，预测结果越不准确时间范围越大，预测结果越不准确； 任何一种预测方法都不可能完全适用于某一预任何一种预测方法都不可能完全适用于某一预测问题，应根据实际需求不断检验预测方法。测问题，应根据实际需求不断检验预测方法。5.3.2 预测的相关问题预测的相关问题4预测的稳定性与响应性预测的稳定性与响应性稳定性是指抗随机干扰、反应稳定需求稳定性是指抗随机干扰、反应稳定需求的能力。的能力。响应性是指迅速反应需求变化的能力。响应性是指迅速反应需求变化的能力。物流系统预测物流系统预测 5.1系统预测概述系统预测概述5.2物流系统需求预测的特征物流系统需求预测的特征5.

10、3定性预测方法定性预测方法5.4时间序列预测时间序列预测5.5回归分析预测回归分析预测5.6案例分析：采购预测到采购计划案例分析：采购预测到采购计划5.2 物流系统的需求特征分析物流系统的需求特征分析1需求的时间特性和空间特性需求的时间特性和空间特性 销售的增长或下降销售的增长或下降随时间的变化随时间的变化: : 主要归因于用户需求的变动、需求模式的季节性变化以及多种因素导致的一般性波动。 需求的空间变化需求的空间变化 规划仓库位置、平衡物流网络中的库存水平和按地理位置分配运输资源等都需要知道需求的空间位置。原材料原材料市场市场生产生产厂家厂家配送配送中心中心用户用户需求预测需求预测市场预测市

11、场预测供应预测供应预测订购预测订购预测订单预测订单预测需求信息需求信息物流领域中的预测物流领域中的预测2需求的规则性与不规则性需求的规则性与不规则性 实际销售额 平均销售额 A随机性或水平性发展的需求，无趋势或季节性因素随机性或水平性发展的需求，无趋势或季节性因素 图图5-4规规则则性性需需求求变变动动2需求的规则性与不规则性需求的规则性与不规则性图图5-4规规则则性性需需求求变变动动 实际销售额 销售趋势 平滑趋势和季节性销售 B随机性需求，呈上升趋势，有季节性因素随机性需求，呈上升趋势，有季节性因素 需 求 水 平 时 间 图图5-5 不规则的需求模式不规则的需求模式2需求的规则性与不规则

12、性需求的规则性与不规则性3需求的独立性与派生性需求的独立性与派生性来自用户的、具有一定的随机性的物流服务需求称来自用户的、具有一定的随机性的物流服务需求称为独立需求。为独立需求。（如消费品的需求变动）（如消费品的需求变动）如果物流需求是随着另一种需求而产生或派生出来如果物流需求是随着另一种需求而产生或派生出来的的。 如生产物流、原材料的需求如生产物流、原材料的需求 比如：物流需求由某一特定的生产计划要求比如：物流需求由某一特定的生产计划要求（根据（根据用户需求与市场预测制定）用户需求与市场预测制定）派生出来，这就是需求的派生出来，这就是需求的派生性。这是一种从属性的需求。派生性。这是一种从属性

13、的需求。224.3 定性预测方法定性预测方法一、专家会议法一、专家会议法/Delphi/Delphi法（略）法（略）二、主观概率法二、主观概率法三、三、 历史类比法历史类比法四、领先指标法四、领先指标法23二、主观概率法何为主观概率法？何为主观概率法？ 市场趋势分析者对市场趋势分析事件发生的概率（即可能性大小）做出主观估计，或者说对事件变化动态的一种心理评价，然后计算它的平均值，以此作为市场趋势分析事件的结论的一种定性市场趋势分析方法。241. 三个销售人员估计值三个销售人员估计值销售员销售员 甲甲销售额销售额概率概率销售额销售额概率概率最高最高10000.3300最可能最可能7000.535

14、0最低最低4000.280期望期望730销售员销售员 乙乙销售额销售额概率概率销售额销售额概率概率最高最高12000.2240最可能最可能9000.6540最低最低6000.2120期望期望900销售员销售员 丙丙销售额销售额概率概率销售额销售额概率概率最高最高9000.2180最可能最可能6000.5300最低最低3000.390期望期望570例题 某公司对明年销售量的预测 根据三个销售员、两位经理的估计对明年的销量作出预测。 2. 销售人员估计值处理销售人员估计值处理 假设三个销售人员预测的权重相同，取三者的平均值作为预测值（算术平均值），即： 销售人员预测值=（730+900+570）/

15、3=2200/3=733.3（单位）3. 两位销售经理的预测及处理两位销售经理的预测及处理 （1）估计值：经理甲：1000； 经理乙：800 （2）假设估计结果的权重相同。取平均值，得到 经理预测值=（1000+800）/2=900（单位） 4. 将经理预测值与销售人员预测值作加权平均，结果作将经理预测值与销售人员预测值作加权平均，结果作为最终预测结果为最终预测结果（经理和销售人员的权值，假设采取假设采取2:1加权加权），得到 明年销售预测值（1733.3+9002）/3=844.4（单位） 26三. 历史类比法 预测方法 通过对类似产品、可替代产品、或国外同类产品发展规律的分析，来进行相关的

16、预测。特点 缺少必要数据资料的新生事物，但能找到可进行对比分析的产品。四、领先指标法四、领先指标法领先指标，也叫先行指标。领先指标，也叫先行指标。这类经济指标的变动在时间上先于市场的变化，这一功能使领先指标对一般经济活动的变动始终可起预报或示警作用。 许多领先指标反映着对近期和未来经济活动的承诺，如新开工项目数、政府颁发的许可证、原材料价格等。可以根据领先指标的变动预测未来行情变动。4.3 时间序列预测技术灰色系统预测法马尔可夫链法随机时序预测趋势外推法季节指数法指数平滑法移动平均法简单平均法确定性时序预测时间序列预测时间序列预测的分类时间序列预测的分类29一. 移动平均预测法计算公式：教材计

17、算公式：教材117页式页式6-1Y8=(675+678+685)/3=679.33Y9=(678+685+686)/3=683 =679.3+(686-675)/3 =679.33+3.67 =683 时间（月）123456789运输量（吨）645650670660675678685686?某公司某公司2003年年18月的货物运输量月的货物运输量1. 一次移动平均预测法一次移动平均预测法30 例题2 某物资企业统计了某年度1月至11月的钢材实际销售量，统计结果见表42，请用移动平均预测法预测其12月的钢材销售量。月份实际销量(吨)移动平均数Mt(1)n=3n=61224002219003226

18、004214002230052310021967623100223677257002253322417823400239672296792380024067232161025200243002341611254002413324049122480024433计算结果图表显示计算结果图表显示从图上可以看出几点规律？（1）用移动平均法计算出的新数列的变化趋势新数列的变化趋势与实际变化情况实际变化情况基本一致基本一致；（2）新数列数据波动的范围变小了新数列数据波动的范围变小了，并且随参与平均值计算的n值的增加，平均值的波动范围越小。(修匀能力、抗干扰能力修匀能力、抗干扰能力)（3）当n值增大值增大，

19、移动平均值对时间序列变化的敏感性降低敏感性降低。期期序序历史历史数据数据一次平一次平均均n=3一次平一次平均均n=51102153204251553020635252074030258453530950403510554540一次移动平均法的缺点：一次移动平均法的缺点：(*)具有明显的滞后性，尤其是对带有明显具有明显的滞后性，尤其是对带有明显上升或下降趋势的历史数据的预测。上升或下降趋势的历史数据的预测。对带有明显趋势的数据的预测采用的方法：对带有明显趋势的数据的预测采用的方法： 回归分析（回归分析（y=a+bt) 二次平均移动法（将落后值补上去）二次平均移动法（将落后值补上去）期序历史数据一

20、次一次平均平均n=3二次二次平均平均n=31102153204255306357408459501055 一次移动平均值滞后于历史数据； 二次移动平均值又落后于一次移动平均值。启示启示：根据历史数据、一次、二次移动平均值三者间的滞后关系，可得二次移动平均预测法的基本思想：2.二次平均移动法二次平均移动法2025303515202530354045 先求出一次移动平均值与二次移动平均值之间的差值求出一次移动平均值与二次移动平均值之间的差值， 将此差值加到一次移动平均值上此差值加到一次移动平均值上， 再再考虑其趋势变动值考虑其趋势变动值，得到接近实际情况的预测值。34（1）计算一次移动平均值（2）

21、计算二次移动平均值)24()1()1(2)1(1)2( nMMMMntttt其中： Mt(1) t时刻的一次移动平均值 Mt(2)t时刻的二次移动平均值； n：参与二次平均计算的一次移动平均值的个数（3）对有线性趋势的时间序列做预测)34( TbayttTt )54(12)44(2:)2()1()2()1(: ttttttTtMMnbMMaTy预预测测期期与与本本期期的的间间距距；预预测测期期的的预预测测值值；其中：二次移动平均预测法二次移动平均预测法(118页）页）例题 某物资企业某年度1月至11月的钢材实际销售量，用二次移动平均预测法预测其12月的钢材销售量。月份实际销售量一次平均数Mt(

22、1) 二次平均数Mt(2) Mt(1)- Mt(2)atbt预测值yt+T取T=1(1)(2)(3)(4)(5)=(3)-(4)(6)=(3)+(5)(7)=(8)=(6)+(7)*T1224002219003226004214002230052310021967623100223677257002253322211322228563222317882340023967222891678256451678273229238002406722956111125178111126289102520024300235227782507877825856112540024133241112224155

23、2224177122480024167633254336332606636二、指数平滑法复习:指数平滑的思路是什么？ 对离预测期较近的历史数据给予较大的权数，离预测期较远的历史数据给予较小的权数。(一）一） 一次指数平滑预测法一次指数平滑预测法(*) Ft+1=a*xt+(1-a)Ft 教材118-119 只需前期的实际值与预测值就可（前期预测值实际上包含了历史的影响）(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，指数平滑如何克服移动平均的不足？指数平滑如何

24、克服移动平均的不足？权系数为：权系数为：按指数按指数几何级数衰减几何级数衰减，符合指数规律，又具有平滑，符合指数规律，又具有平滑数据的作用，因此称为指数平滑法。数据的作用，因此称为指数平滑法。(1)212(1)0(1)(1).tttttSXXXS(1- )21-1-，（），（） ，.39（1）初始值）初始值F1(1)的确定方法的确定方法由历史数据得到如历史数据较少或数据可靠性较差，采取定性预测估计。（2）合理选取平滑系数）合理选取平滑系数 (*) 取值大小体现了不同时期数据在预测中所占的比例； 越大，模型对时间序列的变化包括随机波动越敏感 越小，历史数据的权属大，消除了随机波动，只反映长期的大

25、致发展趋势。 见教材119页例6-1 n n 20 20，取取n 20，取最初几期数据的平均值。取最初几期数据的平均值。(1)01SX( (初始值对预测结果的影响很小初始值对预测结果的影响很小) )平滑系数平滑系数的选择的选择当时间序列呈稳定的水平趋势时，当时间序列呈稳定的水平趋势时，应取较小值，应取较小值，如如0.10.3；当时间序列波动较大，长期趋势变化的幅度较大当时间序列波动较大，长期趋势变化的幅度较大时，时，应取中间值，如应取中间值，如0.30.5；当时间序列具有明显的上升或下降趋势时，当时间序列具有明显的上升或下降趋势时，应取应取较大值，如较大值，如0.60.8；在实际运用中，可取若

26、干个在实际运用中，可取若干个值进行试算比较，选择值进行试算比较，选择预测误差最小的预测误差最小的值。值。算例算例【例例】某企业某企业2000至至2008年销售额见下表，试用指数平年销售额见下表，试用指数平滑法预测滑法预测2009年销售额（年销售额（分别取分别取0.1、0.6和和0.9）。）。年份年份2000 2001 2002 2003 2004 2005 2006 2007 2008销售额销售额（万元（万元）4000 4700 5000 4900 5200 6600 6200 5800 6000解：（解：（1）确定初始值）确定初始值因为因为n=915,取时间序列的前三项数据的平均值作为取时间

27、序列的前三项数据的平均值作为初始值初始值(1)12304000470050004566.67()33万元xxxS（2）选择平滑系数）选择平滑系数，计算各年一次指数平滑值，计算各年一次指数平滑值这里分别取这里分别取=0.1、=0.6和和=0.9计算各年一次指数计算各年一次指数平滑值平滑值 （3）对不同平滑系数下取得的平滑值进行误差分析，）对不同平滑系数下取得的平滑值进行误差分析，确定确定的取值。的取值。 方法：计算各平滑系数下平滑值的平均绝对误差（平方法：计算各平滑系数下平滑值的平均绝对误差（平均差）均差）(1)ttxSADn计算公式：计算公式：算例算例通过比较，通过比较，=0.9时的平滑值的平

28、均绝对误差最小时的平滑值的平均绝对误差最小，因此选用，因此选用=0.9用为平滑系数。用为平滑系数。(1)6430.00714.449ttxSADn(1)2139.9237.779ttxSADn(1)908.62100.969ttxSADn=0.1的平滑值的平均绝对误差的平滑值的平均绝对误差=0.6的平滑值的平均绝对误差的平滑值的平均绝对误差=0.9的平滑值的平均绝对误差的平滑值的平均绝对误差算例算例预测预测2009年销售额年销售额Y12=0.9Y12=0.9* *6000+0.16000+0.1* *5982.575982.57 =5998.257 =5998.257月份运输量（万吨）预测值=

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例题例题2.2. 某物资企业某物资企业20022002年每月的物资运输量统计如下，用指数平年每月的物资运输量统计如下，用指数

30、平滑法预测滑法预测20032003年一月份的运输量（用不同的平滑常数）年一月份的运输量（用不同的平滑常数）解：设解：设 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, 计算结果见下计算结果见下表：表： 47（二）趋势校正（120页）一段时间内收集到的数据所呈现的上升或下降趋势上升或下降趋势将导致指数预测滞后于实际滞后于实际需求。通过趋势调整，添加趋势修正值，可以在一定程度上改进指数平滑预测结果。调整后的指数平滑法的公式为： Ft+1 = St+1 + Tt+1 St+1=xt+(1- )(S

31、t+Tt) Tt+1=(St+1-St)+(1 1- ) Tt 趋势值趋势值趋势预测趋势预测(Ft)=预测（预测（St）+趋势校正（趋势校正（Tt）第第t期初始预测值期初始预测值预测值 趋势趋势平滑系数趋势平滑系数St+Tt=Ft算例算例【例例】某企业某企业2000至至2008年销售额见下表，试用趋势校正后的指年销售额见下表，试用趋势校正后的指数平滑法预测数平滑法预测2009年销售额（年销售额（ 取0.6，B=0.5)年份年份销售销售额额S ST T（趋势趋势值）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）趋势和季节性因素的校正（三）趋势和季节性因素的校正当时间序列的趋势和季节性波动都很明显时，需要在预测模型中当时间序列的趋势和季节性波动都很明显时，需要在预测模型中对这两种因素进行校正。对这两种因素进行校正。季节指数：季节指数：是一种以相对数表示的季节变动衡量指标。是一种以相对数表示的季节变动衡量指标。( (* * *) ) 在实际预测中通常需要运用三年以上的分季历史数据计算季节指数在实际预测中通常需要运用三年以上的分季历史数据计算季节指数。 一年一年4 4个季度的季度指

34、数之和为个季度的季度指数之和为400%400%，每个季度季节指数平均数，每个季度季节指数平均数为为100%100%。 季节变动表现为各季的季节指数围绕着季节变动表现为各季的季节指数围绕着100%100%上下波动上下波动，表明各季销售量与全年平均数的相对关系。，表明各季销售量与全年平均数的相对关系。 如某种商品第一季度的季节指数为如某种商品第一季度的季节指数为125%125%，这表明该商品第一季度的，这表明该商品第一季度的销售量通常高于年平均数销售量通常高于年平均数25%25%，属旺季，若第三季度的季节指数为，属旺季，若第三季度的季节指数为73%73%，则表明该商品第三季度的销售量通常低于年平均

35、数，则表明该商品第三季度的销售量通常低于年平均数27%27%，属淡季。，属淡季。1234各季平均季节指数（%）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合计3172327838213423.7历年季度总平均数历年季度总平均数B B=(A1+A2+A3+A4)/4=(A1+A2+A3+A4)/48

36、55.925855.925Y Yt t=1031,67=1031,67例：根据某市文化衫例：根据某市文化衫1996-1998销售资料预测销售资料预测1999各个季节的销各个季节的销售量售量 。设：设：1999年的销售量以年的销售量以1998年销售量为基数按年销售量为基数按8 %递增递增19991999年的销售量为年的销售量为38213821* *1.08=4126.681.08=4126.68平均每季度销售平均每季度销售=4126.68/4=1031.67=4126.68/4=1031.67I1996(1)= =0.231823172/ 4见教材121页St+1: t+1期除去季节波动但考虑长

37、期趋势的基础预测值It-L ：上一个周期同一季节的季节指数 Tt: 趋势值 B： 趋势基础上的平滑指数r:季节性指数基础上的平滑系数Xt/St ：季节指数，实际值与除掉季节因素的预测值之比趋势和季节性因素的校正的模型方程趋势和季节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完整的季节周期，完整的季节周期，四季循环波动为四季循环波动为4 41212个月循环波动为个月循环波动为1212例: 某地过去3年的季度电力需求（消耗）数据如下表。试预测下一 年各

38、季度的电力需求量（平滑指数自己定）。 某地过去3年的季度电力需求数据 解: 画出需求序列的散点图。显示该序列既具有增长趋势，又有以一年四季为周期的季节性成分。季度季度 123456789101112需求需求 182 105 77168 210 126 119 161 217 140 133189回归统计Multiple R0.252683R Square0.063849Adjusted R Square-0.02977标准误差43.59155观测值12方差分析 dfSSMSFSignificance F回归分析11296.0161296.0160.6820330.42815残差1019002.

39、231900.223总计1120298.25Coefficients 标准误差t StatP-valueIntercept132.681826.828754.945510.000582t3.010493.6453090.8258530.42815不能直接采用一元线性回归！思路：（1）用前面的8个数据来估计模型参数，包括基本值、趋势值、季节性指数。（2）用第三个周期的4个数据来修正模型参数（3）参数确定后，预测第4个周期的需求值1996 19971998趋势T97-96T98-9711822102172872105126140211437711913342144168161189-728每年需求

40、4季5326166798463平均/4133154 169.7521 15.75年度内季度之间的趋势T5.255.25 3.9373.9375 5年份TX除去季节波动的预测值S季 节 指数I=X/S趋 势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个数据点的最佳拟合曲线（消除季节波动）为：St=125.125+5.25t年份TX前 一 周 期前 一 周 期季节指数季节指数平滑的基本值S趋势T本 期 季本 期 季节指数节指数I I预测值8161161.8755.25实际1.01998（2）用第三个周期的）用第三个周期的4个数据来修正模型参数个数据来修正模型参数(平滑系数取平滑系数取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平滑系数取平滑系数取0.150.15时，预测值时，预测值F9=241,F9=241,； 取取0.40.4时，时，T10T10会得负值会得负值 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）预测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 期季节指数季节指数平滑的基平滑的基本值本值S趋势趋势T T本 期 季本 期 季节指数节指数I I预测值预测值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见教材121页（同二次平均移动法）（四）二次指数平滑预测法（四）二次指数平滑预测法时间序列预测法小结本节主要学习了两种时间序列预测方法：移动平均方法移动平均方法和指数指数平滑法平滑法。这两种方法都采用“平滑平滑”的方式来进行预测。 其基本思想都是通过对历史数据的“平均

46、”或“平滑”处理，“平滑平滑掉掉”短期的不规则性短期的不规则性，消除影响事物的随机因素消除影响事物的随机因素，揭示事物发揭示事物发展的趋势展的趋势。平滑的数据能够反映事物的变化趋势，在物流系统预测中是极其有用的预测方法。这二类预测法所用的数据量不多这二类预测法所用的数据量不多，对时间序列有较好的适用性，被广泛应用于市场资源量、采购量、需求量、销售量及价格的预测中。4.4 回归分析预测技术事物之间或事物的各因素之间只处于两种状态： 有关系或无关系比如，物资的需求与价格，物资的采购量与需求量，物资的采购成本与销售利润等这些事物或事物的各因素，都可以用变量来表示。事物及其因素变量有关系无关系确定性关

47、系非确定性关系特征提取65回归分析是一种对于变量间非确定性关系变量间非确定性关系（找出变量间的统计规统计规律性律性）的统计分析法。预测步骤如下：确定预测变量可能的相关因素，并收集这些因素的统计资料；分析这些因素间是否存在相关关系；根据统计资料建立回归模型，求出回归方程；用回归方程进行预测；对回归方程进行统计检验，并给出预测精度估计值。对回归方程进行统计检验，并给出预测精度估计值。分类：一元线性回归预测法 多元线性回归预测法 非线性回归预测法（一）一元线性回归预测法 例：为了预测汽车薄钢板的年需求量，有关物资企业研究并收集了发达国家汽车制造业近几年间的汽车产量与薄钢板消耗量的数据，见表： 变量间

48、是线性相关关系。只有一个自变量（影响因素），一个因变量。过程见教材过程见教材124-125124-125页页ExcelExcel操作操作序号 年度汽车产量x（万辆）薄钢板消耗量y（千吨）1199513.9819.182199613.5219.9373199712.5420.2194199814.9129.2625199918.630.3996200024.432.3887200128.840.2458200234?一元线性回归预测法一元线性回归预测法预测流程判断变量间是否成线性趋势。对n对观察点数据（Xi,Yi）,选取直角坐标系，绘制散点图。分析变量间是否存在线性相关关系 求回归方程：ya+bx，并进行预测iiiiiynyxnxxnxyxnyxbxbya1122检验相关性散点图只能表示两个变量之间是否线性相关，而不能表示变量的线性相关程度到底有多大。对两个变量的线性相关性的检验可以通过数理统计中的F检验和R检验来进行。 SUMMARY OUTPUT回归统计Multiple R0.91796754R Square0.8426644Adjusted R Adjusted R S