第2章-物流需求預(yù)測(cè)_第1頁(yè)
第2章-物流需求預(yù)測(cè)_第2頁(yè)
第2章-物流需求預(yù)測(cè)_第3頁(yè)
第2章-物流需求預(yù)測(cè)_第4頁(yè)
第2章-物流需求預(yù)測(cè)_第5頁(yè)
已閱讀5頁(yè),還剩52頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

一、物流需求預(yù)測(cè)概述二、物流需求預(yù)測(cè)方法三、預(yù)測(cè)誤差分析與預(yù)測(cè)方法選擇第二章物流需求預(yù)測(cè)1物流需求預(yù)測(cè)的概念物流需求預(yù)測(cè)是根據(jù)物流市場(chǎng)過(guò)去和現(xiàn)在的需求狀況以及影響物流市場(chǎng)需求變化的因素之間的關(guān)系,利用一定的經(jīng)驗(yàn)、技術(shù)和科學(xué)方法對(duì)市場(chǎng)需求指標(biāo)的變化以及發(fā)展的趨勢(shì)進(jìn)行預(yù)測(cè)。物流需求預(yù)測(cè)的特征(1)需求的空間和時(shí)間特征(2)需求的規(guī)律性和不規(guī)律性(3)相關(guān)需求和獨(dú)立需求

一、物流需求預(yù)測(cè)的內(nèi)涵

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

二、物流需求預(yù)測(cè)的內(nèi)容3確定預(yù)測(cè)目標(biāo)確定預(yù)測(cè)內(nèi)容選擇預(yù)測(cè)方法計(jì)算并做出預(yù)測(cè)分析預(yù)測(cè)誤差三、物流需求預(yù)測(cè)的程序4經(jīng)驗(yàn)預(yù)測(cè)法專家會(huì)議法德爾菲法

一、物流需求定性預(yù)測(cè)方法第二節(jié)物流需求預(yù)測(cè)方法5(一)時(shí)間序列預(yù)測(cè)法算術(shù)平均法二、物流需求定量預(yù)測(cè)方法式中,

Ft+1

—第t+1期的預(yù)測(cè)值

xi—第i

期的實(shí)際值6移動(dòng)平均法式中,F(xiàn)t+1—第t+1期的預(yù)測(cè)值

xt—第

t期的實(shí)際值n—計(jì)算移動(dòng)平均數(shù)所選定的數(shù)據(jù)個(gè)數(shù)。7指數(shù)平滑法式中,t—本期的時(shí)間α—指數(shù)平滑系數(shù)

xt—第t

期的需求值Ft—第t

期的預(yù)測(cè)值Ft+1—對(duì)第t+1,或下期的預(yù)測(cè)值8長(zhǎng)期趨勢(shì)法式中,F(xiàn)t+1—第t+1期物流需求的預(yù)測(cè)值;α

—第0期的物流需求的預(yù)測(cè)值;β—直線的斜率;n

—實(shí)際物流需求數(shù)據(jù)時(shí)期數(shù);xi—實(shí)際物流需求數(shù)據(jù)。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(qǐng)分別用算術(shù)平均法、移動(dòng)平均法、指數(shù)平滑法和長(zhǎng)期趨勢(shì)法預(yù)測(cè)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(chǔ)數(shù)據(jù)表。

11步驟2:用算術(shù)平均法預(yù)測(cè)。

12步驟3:用移動(dòng)平均法預(yù)測(cè)

13步驟4:用指數(shù)平滑法預(yù)測(cè)。取α=0.314步驟5:設(shè)置回歸參數(shù)1516步驟6:用長(zhǎng)期趨勢(shì)法預(yù)測(cè)。1718季節(jié)變動(dòng)預(yù)測(cè)法(1)計(jì)算出每一年同月或同季的物流需求數(shù)據(jù)的平均值(用A表示)。(2)計(jì)算出所有月份或季度的物流需求數(shù)據(jù)的平均值(用B表示)。(3)計(jì)算各月或各季度的季節(jié)指數(shù),即S=A/B。(4)根據(jù)全年趨勢(shì)預(yù)測(cè)值,求出各月或各季度的平均預(yù)測(cè)值,再乘以相應(yīng)的季節(jié)指數(shù)。19灰色模型預(yù)測(cè)法(1)檢查進(jìn)行GM(1,1)建模的可行性。判斷標(biāo)準(zhǔn)為原始數(shù)列的級(jí)比,即前一數(shù)據(jù)除以相鄰的后一數(shù)據(jù),滿足下式:式中,n—原始物流需求的時(shí)期個(gè)數(shù);xi—第i期原始物流需求(i=1,2,3,…,n)20(2)對(duì)原始數(shù)列進(jìn)行累加以得到新數(shù)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(yù)測(cè)模型:式中,a—發(fā)展系數(shù);b—灰色作用量;—第i+1期擬合數(shù)列值;—第i+1期預(yù)測(cè)物流需求值?!绤?shù)向量,可由最小二乘法求解,得23例2-2:已知一倉(cāng)庫(kù)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(yù)測(cè)2017年的需求量。步驟1:建立基礎(chǔ)數(shù)據(jù)表。如圖2-10所示。24步驟2:計(jì)算原始數(shù)據(jù)級(jí)比。步驟3:計(jì)算上/下限。

25步驟4:判斷可行性。

26步驟5:計(jì)算數(shù)據(jù)累加。27步驟6:建立矩陣B28步驟7:求矩陣B的轉(zhuǎn)置矩陣BT

步驟8:計(jì)算BT×B

29步驟9:計(jì)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(shù)a、灰色作用量b及b/a。

31步驟12:計(jì)算擬合值32步驟13:需求預(yù)測(cè)

33(二)因果關(guān)系預(yù)測(cè)法一元線性回歸分析預(yù)測(cè)法

(1)一元線性回歸模型的估計(jì)。一元線性回歸分析預(yù)測(cè)模型為:,

式中,xi—自變量x的第i個(gè)觀測(cè)值;—當(dāng)x取值為xi時(shí),因變量物流需求的預(yù)測(cè)值;α—截距,β—斜率。3435(2)擬合優(yōu)度檢驗(yàn)

當(dāng)R2=1時(shí),物流需求與x

完全線性相關(guān),模型的擬合程度最優(yōu);當(dāng)R2=0時(shí),物流需求與x

無(wú)線性相關(guān)關(guān)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(shí),估計(jì)模型為優(yōu);0.8≤R2≤0.9時(shí),估計(jì)模型為良;0.6≤R2≤0.8時(shí),估計(jì)模型一般;R2<0.6時(shí),估計(jì)模型為差。36例2-3:一家服裝企業(yè)統(tǒng)計(jì)了30個(gè)城市的常住人口數(shù)和物流需求的數(shù)據(jù),如表2-2所示。請(qǐng)根據(jù)這些數(shù)據(jù)找到物流需求與人口數(shù)的關(guān)系,以便未來(lái)進(jìn)行物流需求預(yù)測(cè)。(1)如果某一城市的人口數(shù)為300萬(wàn)人,請(qǐng)預(yù)測(cè)該城市的物流需求量。(2)該公司又進(jìn)一步統(tǒng)計(jì)了各城市對(duì)應(yīng)的廣告投入費(fèi)用,如表2-2所示。請(qǐng)根據(jù)這些數(shù)據(jù)找到物流需求與人口數(shù)、廣告投入的關(guān)系,以便未來(lái)進(jìn)行物流需求預(yù)測(cè)。如果某一城市的人口數(shù)為300萬(wàn)人,廣告投入為20萬(wàn)元,請(qǐng)預(yù)測(cè)該城市的物流需求量。37編號(hào)人口數(shù)(萬(wàn)人)廣告投入(萬(wàn)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(chǔ)數(shù)據(jù)表39步驟2:繪制物流需求與人口數(shù)散點(diǎn)圖

40步驟3:添加趨勢(shì)線

41步驟4:設(shè)置回歸參數(shù)

42步驟5:進(jìn)行回歸分析

43步驟6:

300萬(wàn)人口的物流需求預(yù)測(cè)44多元線性回歸分析預(yù)測(cè)法(1)多元線性回歸模型的估計(jì)。多元線性回歸分析預(yù)測(cè)模型為:

式中,k—自變量的數(shù)量;

βj(j=1,2,…,k)—回歸系數(shù);

—當(dāng)k個(gè)自變量的取值為x1i,x2i,…,xki時(shí),因變量物流需求的預(yù)測(cè)值。4546(2)擬合優(yōu)度檢驗(yàn)

47例2-4(例2-3問(wèn)題2)步驟1:建立基礎(chǔ)數(shù)據(jù)表。

48步驟2:繪制物流需求與廣告投入散點(diǎn)圖49步驟3:添加趨勢(shì)線

圖2-29帶趨勢(shì)線的物流需求與廣告投入散點(diǎn)圖50步驟4:設(shè)置回歸參數(shù)

51步驟5:回歸分析52步驟6:

300萬(wàn)人口、廣告投入20萬(wàn)元的城市的物流需求預(yù)測(cè)

53(三)組合預(yù)測(cè)法組合預(yù)測(cè)有兩種基本形式:(1)等權(quán)組合,即在匯總預(yù)測(cè)結(jié)果時(shí),各預(yù)測(cè)方法的預(yù)測(cè)值被賦予相同的權(quán)重。(

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論