第2章-物流需求预测

一、物流需求预测概述二、物流需求预测方法三、预测误差分析与预测方法选择第二章物流需求预测1物流需求预测的概念物流需求预测是根据物流市场过去和现在的需求状况以及影响物流市场需求变化的因素之间的关系，利用一定的经验、技术和科学方法对市场需求指标的变化以及发展的趋势进行预测。物流需求预测的特征（1）需求的空间和时间特征（2）需求的规律性和不规律性（3）相关需求和独立需求

一、物流需求预测的内涵

第一节物流需求预测概述2物流流量预测（1）微观物流流量的预测（2）宏观物流流量的预测物流流向预测物流成本预测物流需求预测

二、物流需求预测的内容3确定预测目标确定预测内容选择预测方法计算并做出预测分析预测误差三、物流需求预测的程序4经验预测法专家会议法德尔菲法

一、物流需求定性预测方法第二节物流需求预测方法5（一）时间序列预测法算术平均法二、物流需求定量预测方法式中，

Ft+1

—第t+1期的预测值

xi—第i

期的实际值6移动平均法式中，Ft+1—第t+1期的预测值

xt—第

t期的实际值n—计算移动平均数所选定的数据个数。7指数平滑法式中，t—本期的时间α—指数平滑系数

xt—第t

期的需求值Ft—第t

期的预测值Ft+1—对第t+1，或下期的预测值8长期趋势法式中，Ft+1—第t+1期物流需求的预测值；α

—第0期的物流需求的预测值；β—直线的斜率；n

—实际物流需求数据时期数；xi—实际物流需求数据。9例2-1：表2-1为某物资企业在2016年1~6月的钢材需求量，请分别用算术平均法、移动平均法、指数平滑法和长期趋势法预测7月份钢材的需求量。表2-1

1～6的钢材需求量单位：吨月份123456需求量22400219002260021400231002310010步骤1：建立基础数据表。

11步骤2：用算术平均法预测。

12步骤3：用移动平均法预测

13步骤4：用指数平滑法预测。取α=0.314步骤5：设置回归参数1516步骤6：用长期趋势法预测。1718季节变动预测法（1）计算出每一年同月或同季的物流需求数据的平均值（用A表示）。（2）计算出所有月份或季度的物流需求数据的平均值（用B表示）。（3）计算各月或各季度的季节指数，即S＝A／B。（4）根据全年趋势预测值，求出各月或各季度的平均预测值，再乘以相应的季节指数。19灰色模型预测法（1）检查进行GM(1,1)建模的可行性。判断标准为原始数列的级比，即前一数据除以相邻的后一数据，满足下式：式中，n—原始物流需求的时期个数；xi—第i期原始物流需求（i=1，2，3，…，n）20（2）对原始数列进行累加以得到新数列：式中，

—第i期原始物流需求的累加值。（3）建立矩阵：21（4）建立向量：（5）建立GM（1，1）模型：22（6）求解预测模型：式中，a—发展系数；b—灰色作用量；—第i+1期拟合数列值；—第i+1期预测物流需求值。—待估参数向量，可由最小二乘法求解，得23例2-2：已知一仓库2009～2016年需要某种货物分别为139、142、141、148、158、162、164和166件，试用灰色模型法预测2017年的需求量。步骤1：建立基础数据表。如图2-10所示。24步骤2：计算原始数据级比。步骤3：计算上/下限。

25步骤4：判断可行性。

26步骤5：计算数据累加。27步骤6：建立矩阵B28步骤7：求矩阵B的转置矩阵BT

步骤8：计算BT×B

29步骤9：计算BT×B的逆矩阵(BT×B)-130步骤10：矩阵求解步骤:11：

求发展系数a、灰色作用量b及b/a。

31步骤12：计算拟合值32步骤13：需求预测

33（二）因果关系预测法一元线性回归分析预测法

（1）一元线性回归模型的估计。一元线性回归分析预测模型为：，

式中，xi—自变量x的第i个观测值；—当x取值为xi时，因变量物流需求的预测值；α—截距，β—斜率。3435（2）拟合优度检验

当R2＝1时，物流需求与x

完全线性相关，模型的拟合程度最优；当R2＝0时，物流需求与x

无线性相关关系，模型的拟合程度最差。通常R2都是介于0～1之间，R2≥0.9时，估计模型为优；0.8≤R2≤0.9时，估计模型为良；0.6≤R2≤0.8时，估计模型一般；R2＜0.6时，估计模型为差。36例2-3：一家服装企业统计了30个城市的常住人口数和物流需求的数据，如表2-2所示。请根据这些数据找到物流需求与人口数的关系，以便未来进行物流需求预测。（1）如果某一城市的人口数为300万人，请预测该城市的物流需求量。（2）该公司又进一步统计了各城市对应的广告投入费用，如表2-2所示。请根据这些数据找到物流需求与人口数、广告投入的关系，以便未来进行物流需求预测。如果某一城市的人口数为300万人，广告投入为20万元，请预测该城市的物流需求量。37编号人口数（万人）广告投入（万元）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步骤1：建立基础数据表39步骤2：绘制物流需求与人口数散点图

40步骤3：添加趋势线

41步骤4：设置回归参数

42步骤5：进行回归分析

43步骤6：

300万人口的物流需求预测44多元线性回归分析预测法（1）多元线性回归模型的估计。多元线性回归分析预测模型为：

式中，k—自变量的数量；

βj（j＝1，2，…，k）—回归系数；

—当k个自变量的取值为x1i，x2i，…，xki时，因变量物流需求的预测值。4546（2）拟合优度检验

47例2-4（例2-3问题2）步骤1：建立基础数据表。

48步骤2：绘制物流需求与广告投入散点图49步骤3：添加趋势线

图2-29带趋势线的物流需求与广告投入散点图50步骤4：设置回归参数

51步骤5：回归分析52步骤6：

300万人口、广告投入20万元的城市的物流需求预测

53（三）组合预测法组合预测有两种基本形式：（1）等权组合，即在汇总预测结果时，各预测方法的预测值被赋予相同的权重。（