物流系統(tǒng)需求預(yù)測(cè)PPT教學(xué)課件.ppt

1、1,第一節(jié) 系統(tǒng)預(yù)測(cè)概述,一、系統(tǒng)預(yù)測(cè)的概念及其實(shí)質(zhì) 所謂預(yù)測(cè)，就是對(duì)尚未發(fā)生或目前還不確切的事物進(jìn)行預(yù)先的估計(jì)和推斷，是現(xiàn)時(shí)對(duì)事物將要發(fā)生的結(jié)果進(jìn)行的探討和研究。 系統(tǒng)的預(yù)測(cè)是以系統(tǒng)的變化為前提的。沒有系統(tǒng)的變化，就不需要預(yù)測(cè)。 系統(tǒng)預(yù)測(cè)的實(shí)質(zhì)是分析使系統(tǒng)發(fā)生變化的原因，探究系統(tǒng)發(fā)展變化的規(guī)律，根據(jù)系統(tǒng)的過去和現(xiàn)在估計(jì)未來。,2,二、預(yù)測(cè)方法的分類,（一）按預(yù)測(cè)的范圍或?qū)哟尾煌诸?1宏觀預(yù)測(cè) 2微觀預(yù)測(cè) （二）按預(yù)測(cè)的時(shí)間長(zhǎng)短分類 1長(zhǎng)期預(yù)測(cè) 2中期預(yù)測(cè) 3短期預(yù)測(cè) 4近期預(yù)測(cè) （三）按預(yù)測(cè)方法的性質(zhì)來分類 1定性預(yù)測(cè)法 2時(shí)間序列分析預(yù)測(cè)法 3因果關(guān)系預(yù)測(cè)方法,3,圖6-1 預(yù)測(cè)方法分類

2、,4,三、預(yù)測(cè)的一般程序,（一）確定預(yù)測(cè)目的 （二）資料收集和數(shù)據(jù)分析 （三）建立預(yù)測(cè)模型 （四）模型檢驗(yàn)與修正 （五）預(yù)測(cè)實(shí)施與結(jié)果分析,5,三、預(yù)測(cè)的一般程序,圖6-2 動(dòng)態(tài)的預(yù)測(cè)過程,6,第二節(jié) 物流系統(tǒng)預(yù)測(cè)的特征,一、物流系統(tǒng)需求特征 物流需求的特征表現(xiàn)在如下三個(gè)方面： （一）需求的時(shí)間特性和空間特性 （二）需求的不規(guī)則性與規(guī)則性 （三）需求的派生性與獨(dú)立性,7,（一）需求的時(shí)間特性和空間特性,（1）物流需求的時(shí)間特性即需求是隨時(shí)間而變化的。 常用時(shí)間序列預(yù)測(cè)法。 （2）物流需求的空間特性即物流需求量在何處發(fā)生。 對(duì)需求地理性特征的處理有兩種方式： 一是先進(jìn)行總需求預(yù)測(cè)，然后再按地理位

3、置分解； 二是先對(duì)每個(gè)地點(diǎn)的需求單獨(dú)進(jìn)行預(yù)測(cè)，再根據(jù)需要匯總。,8,（二）需求的不規(guī)則性與規(guī)則性,1、規(guī)則性需求變動(dòng)： 長(zhǎng)期趨勢(shì)(Trend) 季節(jié)性(Seasonal)因素 隨機(jī)性(Random)因素,9,(a) 隨機(jī)性或水平性發(fā)展的需求，無趨勢(shì)或季節(jié)性因素,10,(b) 隨機(jī)性需求，呈上升趨勢(shì)，無季節(jié)性因素,11,(c) 隨機(jī)性需求，有趨勢(shì)和季節(jié)性因素,12,2、不規(guī)則性需求,13,（三）需求的派生性與獨(dú)立性,（1）獨(dú)立需求 物流需求的獨(dú)立性是指物流需求來自一個(gè)一個(gè)獨(dú)立的客戶。 例如：對(duì)最終產(chǎn)品的需求量預(yù)測(cè) （2）派生需求 即物流需求是由某一特定的生產(chǎn)計(jì)劃要求派生出來的，這是一種從屬性的需

4、求。 例如：對(duì)產(chǎn)品所需零部件的需求預(yù)測(cè),14,二、物流系統(tǒng)預(yù)測(cè)的特殊問題,（一）新需求預(yù)測(cè) 方法一：將最初的預(yù)測(cè)任務(wù)交給營(yíng)銷人員來做，由營(yíng)銷人員通過促銷宣傳、消費(fèi)者行為調(diào)研等方式，積累一定的銷售歷史數(shù)據(jù)。 方法二：利用生產(chǎn)線中類似產(chǎn)品的需求模式估計(jì)新產(chǎn)品的銷售情況。原有產(chǎn)品的需求模式可以為新產(chǎn)品的早期需求預(yù)測(cè)提供借鑒。 方法三：使用指數(shù)平滑法進(jìn)行預(yù)測(cè)，將指數(shù)平滑系數(shù)定得很高（0.5）。一旦得到了足夠的需求歷史數(shù)據(jù)，就可以將平滑系數(shù)降低到一般水平。,15,二、物流系統(tǒng)預(yù)測(cè)的特殊問題,（二）不規(guī)則需求預(yù)測(cè) 難以用數(shù)學(xué)方法進(jìn)行準(zhǔn)確預(yù)測(cè)。參考方法： 第一，尋找導(dǎo)致需求不規(guī)則變化的關(guān)鍵原因，再利用這些因

5、素進(jìn)行預(yù)測(cè)；將不規(guī)則需求預(yù)測(cè)與其他規(guī)則性需求預(yù)測(cè)分開進(jìn)行，分別使用不同的方法。 第二，如果沒有找到促使需求發(fā)生突變的關(guān)鍵原因，就暫時(shí)不對(duì)這類產(chǎn)品或服務(wù)的需求變化作出反應(yīng)；相反，要利用一些簡(jiǎn)單的、平穩(wěn)的預(yù)測(cè)方法。 第三，對(duì)預(yù)測(cè)精度要求不太高的場(chǎng)合，可以根據(jù)具體情況要求適當(dāng)調(diào)整預(yù)測(cè)值，保證需求的可靠性。,16,二、物流系統(tǒng)預(yù)測(cè)的特殊問題,（三）地區(qū)性預(yù)測(cè) 問題：先進(jìn)行地區(qū)總量預(yù)測(cè)后，再按地區(qū)分配？還是直接對(duì)每一地區(qū)單獨(dú)進(jìn)行需求預(yù)測(cè)后再匯總？ 對(duì)所有地區(qū)的物流需求進(jìn)行總量預(yù)測(cè)要比單獨(dú)預(yù)測(cè)各地區(qū)需求后再匯總更精確一些。因此，一般先進(jìn)行物流總需求量的預(yù)測(cè)，然后將總量分配到各地區(qū)。,17,二、物流系統(tǒng)預(yù)測(cè)

6、的特殊問題,（四）預(yù)測(cè)的誤差問題 預(yù)測(cè)誤差是不可避免的 將幾種預(yù)測(cè)模型的結(jié)果進(jìn)行綜合，可使預(yù)測(cè)值更穩(wěn)定、更可靠,18,第三節(jié) 物流需求預(yù)測(cè)的方法,一、移動(dòng)平均法 二、指數(shù)平滑法 三、回歸分析預(yù)測(cè)方法,19,一、移動(dòng)平均法,基本思想： 根據(jù)時(shí)間序列信息，逐項(xiàng)推移，依次計(jì)算包含一定項(xiàng)數(shù)的序時(shí)平均值，以反映數(shù)據(jù)序列的長(zhǎng)期趨勢(shì)。 特點(diǎn)： （1）可以消除周期變動(dòng)和隨機(jī)波動(dòng)的影響，揭示出事件的發(fā)展方向與趨勢(shì)。 （2）簡(jiǎn)單、易行。,20,一、移動(dòng)平均法,計(jì)算方法： 設(shè)時(shí)間序列： 逐項(xiàng)推移求出N個(gè)數(shù)的平均數(shù)：,一次移動(dòng)平均：,二次移動(dòng)平均：,21,一、移動(dòng)平均法,趨勢(shì)預(yù)測(cè)模型：,22,二、指數(shù)平滑法,以移動(dòng)平

7、均法為基礎(chǔ)，特殊的加權(quán)移動(dòng)平均法。 有效的短期預(yù)測(cè)法。 簡(jiǎn)單、易用，只要很少的數(shù)據(jù)量 當(dāng)預(yù)測(cè)數(shù)據(jù)發(fā)生根本性變化時(shí)還可以進(jìn)行自我調(diào)整。,23,（一）基本的指數(shù)平滑模型,1、什么是一次指數(shù)平滑預(yù)測(cè)？ 利用時(shí)間序列中本期的實(shí)際值與本期的預(yù)測(cè)值加權(quán)平均作為下一期的預(yù)測(cè)值。,式中，t 本期的時(shí)間； 指數(shù)平滑系數(shù)，規(guī)定01； xt在t時(shí)刻的實(shí)際需求值； 在t+1時(shí)刻的一次指數(shù)平滑值。,24,（一）基本的指數(shù)平滑模型,2、關(guān)鍵參數(shù)確定,（1）初始值F1： 數(shù)據(jù)較多時(shí)，將已有數(shù)據(jù)中的某一部分的算術(shù)平均值或加權(quán)平均值作為初始值F1 數(shù)據(jù)較少時(shí)，用定性預(yù)測(cè)法選取F1,（2）平滑系數(shù) ：0.010.3 值越大：對(duì)近

8、期需求影響大，對(duì)時(shí)間序列變化敏感； 值越?。簩?duì)近期數(shù)據(jù)影響小，歷史數(shù)據(jù)的權(quán)數(shù)越大，反映長(zhǎng)期的大致發(fā)展趨勢(shì)。,25,（一）基本的指數(shù)平滑模型,3、例題6-2,試對(duì)今年第三季度需求進(jìn)行預(yù)測(cè)。,26,（一）基本的指數(shù)平滑模型,解：,=0.2 ； F0=（1200+700+900+1100）/4=975 今年第一季度預(yù)測(cè)需求： F1=0.2x0+（1-0.2） F0 =1000 今年第二季度預(yù)測(cè)需求為： F2=0.2x1+（1-0.2） F1 =1080 今年第三季度的預(yù)測(cè)需求為： F3=0.2x2+（1-0.2） F2 =1064,27,（二）趨勢(shì)校正,如果數(shù)據(jù)表現(xiàn)出明顯的長(zhǎng)期趨勢(shì)和季節(jié)性特征，基本

9、模型內(nèi)在的滯后性就會(huì)造成很大的預(yù)測(cè)誤差，因此必須對(duì)模型加以分析修正。,St+1= x t+(1-) (St + Tt) (6-8) Tt+1= (S t+1- S t) + (1-) Tt (6-9) Ft+1= S t+1+ T t+1 (6-10),Ft+1第t+1期校正趨勢(shì)后的預(yù)測(cè)值； S t第t期的最初預(yù)測(cè)值； T t第t期的趨勢(shì)； 趨勢(shì)平滑系數(shù)。,28,（二）趨勢(shì)校正,例6-3 利用例6-2中的歷史數(shù)據(jù)預(yù)測(cè)今年第三季度的需求，要考慮趨勢(shì)因素。 解：,S0=975，=0.2，趨勢(shì)平滑系數(shù)=0.3，初始趨勢(shì)T0=0 今年第一季度的預(yù)測(cè)需求為： S 1= 0.21100+0.8 (975+

10、0) =1000 T 1= 0.3(1000-975)+(1-0.3)0=7.5 F1=1000+7.5=1007.5 1008 今年第二季度的預(yù)測(cè)需求為： S 2= 0.21400+0.8 (1000+7.5) =1086 T 2= 0.3(1086-1000)+(1-0.3)7.5=31.05 F2=1086+31.05=1117.05 1117 利用第二季度的預(yù)測(cè)結(jié)果，今年第三季度的預(yù)測(cè)需求為： S 3= 0.21000+0.8 (1086+31.05) =1093.64 T 3= 0.3(1093.64-1086)+(1-0.3)31.05=24.03 F3=1093.64+24.03

11、=1117.67 1118,29,（三）趨勢(shì)和季節(jié)性因素的校正,St+1= (x t/ It-L) + (1-) (St + Tt) (6-11) Tt+1= (S t+1- S t) + (1-) Tt (6-12) It = (x t/ S t) + (1- ) It-L (6-13) Ft+1= (S t+1+ T t+1 )/ It-L+1 (6-14),式中：Ft+1第t+l期校正趨勢(shì)和季節(jié)性因素后的預(yù)測(cè)值； 季節(jié)性指數(shù)基礎(chǔ)上的平滑系數(shù)； It第t期的季節(jié)性指數(shù)； L一個(gè)完整的季節(jié)周期，如一年的4個(gè)季節(jié)或12個(gè)月重復(fù)一次；,30,（四）二次指數(shù)平滑法,二次指數(shù)平滑法，是指在一次指數(shù)平

12、滑值基礎(chǔ)上再作一次指數(shù)平滑，然后利用兩次指數(shù)平滑值，建立預(yù)測(cè)模型確定預(yù)測(cè)值的方法。,1計(jì)算時(shí)間序列的一次、二次指數(shù)平滑值,2建立二次指數(shù)平滑預(yù)測(cè)模型,3利用預(yù)測(cè)模型進(jìn)行預(yù)測(cè),31,（四）二次指數(shù)平滑法,例6-4某公司近年產(chǎn)品銷售量如下（見表6-1），用二次指數(shù)平滑法預(yù)測(cè)2005年和2006年銷售量。,表6-1 銷售量及二次指數(shù)平滑預(yù)測(cè) 單位：萬個(gè),32,三、回歸分析預(yù)測(cè)方法,原理： 根據(jù)事物內(nèi)部因素變化的因果關(guān)系來預(yù)測(cè)事物未來的發(fā)展趨勢(shì)。 類型： 一元回歸分析和多元回歸分析； 線性回歸和非線性回歸。,33,（一）一元線性回歸預(yù)測(cè)法,例6-5 薄鋼板消耗量與當(dāng)年的汽車產(chǎn)量之間有一定的相關(guān)性， 假

13、設(shè)該國(guó)1992的汽車年產(chǎn)量約為34萬輛，試估計(jì)1992年的薄鋼板消耗量。,34,一元線性回歸預(yù)測(cè)步驟,（1）數(shù)據(jù)的直觀分析及散點(diǎn)圖描述,35,一元線性回歸預(yù)測(cè)步驟,（2）建立一元線性回歸方程 y=a+bx,36,一元線性回歸預(yù)測(cè)步驟,（3）求解回歸系數(shù)，得到回歸模型 b =1.167 a = 6.249,（4）利用模型預(yù)測(cè)結(jié)果 1992的薄鋼板需求量預(yù)測(cè)值 = 6.249 + 1.16734 = 45.927(千噸),37,（二）多元線性回歸預(yù)測(cè)分析,y=b0+ b1x1 + b2 x2 + + bm xm,38,（二）多元線性回歸預(yù)測(cè)分析,39,（二）多元線性回歸預(yù)測(cè)分析,例6-6 某港口的

14、貨物吞吐量與該地區(qū)的國(guó)民生產(chǎn)總值、人均收入的近幾年統(tǒng)計(jì)數(shù)據(jù)如表6-3。如果該地區(qū)2003年的國(guó)民生產(chǎn)總值預(yù)計(jì)為451億、人均月收入1400元，要求預(yù)測(cè)該港口2003年的年吞吐量。,40,（二）多元線性回歸預(yù)測(cè)分析,例6-6解答： y=b0+ b1x1 + b2 x2 利用Excel： b0=330.96, b1=0.2024, b2=0.2761 得回歸方程： y=330.96+ 0.2024x1 +0.2761 x2 該港口2003年的總吞吐量預(yù)測(cè)值為： y = 330.96+ 0.2024 451 +0.2761 1400 = 808.7824809（萬噸）,41,（三）回歸模型的檢驗(yàn)及預(yù)

15、測(cè)值的顯著性檢驗(yàn),檢驗(yàn)內(nèi)容： 理論意義檢驗(yàn) 一級(jí)檢驗(yàn)（統(tǒng)計(jì)學(xué)檢驗(yàn)） 二級(jí)檢驗(yàn)（經(jīng)濟(jì)計(jì)量學(xué)檢驗(yàn)）,42,（三）回歸模型的檢驗(yàn)及預(yù)測(cè)值的顯著性檢驗(yàn),1、回歸模型擬合程度的評(píng)價(jià),0 | r | 0.3： y與x之間微弱線性相關(guān)； 0.3 | r | 0.5： y與x之間低度線性相關(guān)； 0.5 | r | 0.8： y與x之間顯著線性相關(guān)； 0.8 | r | 1： y與x之間高度線性相關(guān)； | r | = 1： y與x之間完全線性相關(guān)； | r | = 0： y與x之間不存在線性相關(guān)關(guān)系。,43,2、預(yù)測(cè)值的顯著性檢驗(yàn),通過對(duì)預(yù)測(cè)值的置信區(qū)間估計(jì)來說明預(yù)測(cè)值的波動(dòng)范圍，檢驗(yàn)預(yù)測(cè)值的顯著性。,(y0-

16、yf0)S,y0的置信度為（1-）的預(yù)測(cè)區(qū)間：,44,2、預(yù)測(cè)值的顯著性檢驗(yàn),例6-8 根據(jù)例6-5中的統(tǒng)計(jì)數(shù)據(jù)，預(yù)測(cè)1992年的置信度為95%的薄鋼板需求量。,解： 顯著性水平=1-95%=0.05，n=7，查t-分布表得：=2.57； 由式（6-31）（6-34）可計(jì)算： Lxx=377.16、Lxy=272.4、Lyy=233.47； 剩余標(biāo)準(zhǔn)差S=2.71； 假設(shè)1992的汽車年產(chǎn)量x0 =34萬輛， y f0 =45.927(千噸)，y0的置信度為95%的預(yù)測(cè)區(qū)間為：,45,第四節(jié) 基于神經(jīng)網(wǎng)絡(luò)的物流系統(tǒng)預(yù)測(cè)法,一、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的數(shù)學(xué)模型 神經(jīng)網(wǎng)絡(luò)的理論： 一個(gè)三層前饋神經(jīng)網(wǎng)絡(luò)能以任意精度逼近一個(gè)任意復(fù)雜的非線性函數(shù)。 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的原理： 利用NN強(qiáng)大的非線性映射能力，通過對(duì)歷史數(shù)據(jù)樣本的學(xué)習(xí)自動(dòng)產(chǎn)生自變量與因變量之間的非線性映射關(guān)系，并將這種關(guān)系隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)中；對(duì)任一新的自變量值，可很快利用該網(wǎng)絡(luò)輸出因變量值。,46,圖6-6 三層BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),47,圖6-6 三層BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),48,二、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的學(xué)習(xí)過程,（一）正向計(jì)算,第一步，確