物流需求预测模型课件

物流需求预测模型2022/12/101主要内容回归预测模型产销平衡预测模型计算机仿真预测模型2022/12/1022.5

回归预测模型回归预测法是基于预测的相关原理，客观世界中许多事物、现象、因素彼此关联而构成关系、过程、系统。惯性原理类推原理相关原理概率判断原理2022/12/1032.5.1回归分析预测步骤相关关系即相关程度线性或非线性2022/12/1052.5.2物流需求相关因素影响物流预测的客观因素主要有：2022/12/1062.5.3一元线性回归预测估计参数检验评定预测效果2022/12/107一元线性回归预测模型xi，yi为自变量和因变量的观察值；b0，bi为未知参数；ui为剩余残差项。（2-13）（2-14）（2-15）2022/12/108t检验自相关检验把不包括在样本内的某期已知量与预测量进行对比（2-22）（2-21）2022/12/1010图2.5工业产值与集装箱吞吐量的关系分析图1.作散点图，观察工业产值与吞吐量之间关系。2.确定预测模型2022/12/1012t检验：当H0为真，由公式（2-21）得t=13.424，t0.025（10）=2.228<13.424D-W检验：由公式（2-22）得

D-W=2.218>25.预测计算由回归方程得即该码头集装箱的预测吞吐量为252.35*104TEU.2022/12/10142.5.4多元线性回归预测影响物流需求的因素较多，抓住主要因素x1，x2，…，xm，抽取样本（yi，x1i，x2i，…，xmi）（i=1,2，…n），（m个因素，n个样本）如果散点图(y，xi)呈现线性，则可以作多元线性回归函数2022/12/1015（2-23）（2-24）（2-25）（2-26）2022/12/1016相关性检验其中置信区间估计（2-27）（2-28）（2-29）R称为xi对于y的全相关系数2022/12/1017令x=x1，x2=x2,…xm=xm两边取对数换元法2.5.5非线性回归预测2022/12/1018回归统计MultipleR0.839388RSquare0.704572AdjustedRSquare0.483002标准误差0.971541观测值8汇总输出

自由度SSMSF显著水平F回归分析39.0044363.0014793.17990.146512残差43.7755640.943891总计712.78

方差分析2022/12/1020

Coefficients标准误差tStatP-valueLower95%Upper95%下限95.0%上限95.0%Intercept464.7979146.35893.175740.03367258.44043871.155458.44043871.1554X1-8.89983.19998-2.781210.049757-17.7844-0.01523-17.7844-0.01523X2-4.920611.770758-2.778820.049879-9.83702-0.0042-9.83702-0.0042X31.4340440.5533632.5915070.060588-0.102342.970427-0.102342.970427表2-11预测结果得回归方程：2022/12/1021产销平衡原理：研究n个地区间的某种货物流量，Tij为i区发送到j区的货物流量，Oi

为i地的总输出量，Dj为j区的总输入量则地区间的交流如下O-D表所示：到地发地123...N合计1T11T12T13...T1nO12T21T22T23...T2nO23T31T32T33...T3nO3....................NTn1Tn2Tn3...TnnOn合计D1D2D3DnT2022/12/1023Tij满足以下的双约束平衡条件。不同发地到达j地的Tij的总到达量为Dj发地i到不同到达地Tij的总发送量为Oi总发送量和总到达量相等且等于总运输量2022/12/1024增长系数rij可以分解为两个平衡因子的乘积，即：rij=aibj，此时平衡条件可以改写为：增长系数b1b2b3...bn增长系数到地发地123...N合计a11T11T12T13...T1nO1a22T21T22T23...T2nO2a33T31T32T33...T3nO3.......................anNTn1Tn2Tn3...TnnOn合计D1D2D3DnT2022/12/1026整个区域的年预测增长率2022/12/10272022/12/10282022/12/1030编制的规则要简单，符合一般常识，可验证并确定取舍。例如，以月为时间跨度的时间序列，可以用如下规则进行试算：1.过去三个月的销量为未来三个月可能的销量，即2022/12/10312.去年某三个月的销量为今年同期的可能销量，即3.未来三个月的销量可能比过去三个月的销量增加10%，即4.未来三个月的销量可能比去年同期增加50%，即2022/12/10325.今年某前三个月销量的变化率（与去年同期相比）等于其后三个月销量的变化率，即以上K=1,2,…2022/12/1033基于BP算法的神经网络是由输入层、输出层和若干隐含层组成的前向连接模型。同层神经元间互不相连，相邻层神经元通过权重连接且互为全互联结构。当有输入信号时，首先向前传播