需求预测方法.doc

需求预测方法.doc需求预测方法
常用的物资需求预测方法主要包括基于时间序列模型的移动平均预测法、法、趋势外推预测指数平滑预测 法等；基于因果分析模型的回归分析预测法，基于统计学习理论以及结构
风险最小原理的支持向量机预测方法,
基于人工智能技术的人工神经网络算法。 归纳如图1：
移动平均预测法
指数平滑预V法
丄人工神经网络预测法一
丄——
图1:物资需求预测方法
时间序列法
定义：将预测对象按照时间顺序排列起来，构成一个所谓的时间序列，从所构成的这一组
时间序列过去的变化规律，推断今后变化的可能性及变化趋势、 变化规律，就是时间序列预测法。
：
时间序列法主要考虑以下变动因素：①趋势变动，②季节变动，③循环变动，④不规则变动。
若以??？ ??? ??? ?表示时间序列的季节因素 ？ ？？长期趋势波动、季节性变动、不规则
■ ■

加法模型：
Xt
Tt
St It
乘法模型：
Xt
Tt
St It
a)
Xt
St Tt It
混合模型：
b)
Xt
St (Tt It)
时间序列预测一般反映三种实际变化规律：趋势变化、周期性变化、随机性变化。
：移动平均法、指数平滑法、季节变动法等
(1)移动平均法
简单移动平均法：将一个时间段的数据取平均值作为最新时间的预测值。 该时间段根据要
求取最近的。例如：5个月的需求量分别是10, 12, 32 , 12, 38。预测第6个月的需求量。
可以选择使用3个月的数据作为依据。那么第 6个月的预测量Q二亠严=27o
3
加权移动平均法：将每个时段里的每组数根据时间远近赋上权重。例如：上个例子，
月的数据，可以按照远近分别赋权重 , , 。 X 32 + X12 + 0. 5 X 38 = 29 (只是在简单移动平均的基础上考虑了不同时段影响的权重不同，
简单移动平均默认权重=1.)
(2)指数平滑法
基本思想：预测值是以前观测值的加权和， 且对不同的数据给予不同的权数， 新数据给
予较大的权数，旧数据给予较小的权数。
指数平滑法的通用算法：
指数平滑法的基本公式： St=aYt+(l-a)St-l式中，
St--时间t的平滑值；
Yt--时间t的实际值；
St-1—时间t-1的平滑值； a—平滑常数，其取值范围为[0,1]
具体方法：一次指数平滑、二次指数平滑、三次指数平滑。
方法的选取：指数平滑方法的选用，一般可根据原数列散点图呈现的趋势來确定。
当时间数
列无明显的趋势变化，可用一次指数平滑预测。如呈现直线趋势，
选用二次指数平滑法；若
实际数据序列呈非线性递增趋势， 采用三次指数平滑预测方法。
如呈现抛物线趋势，选用三
次指数平滑法。或者，当时间序列的数据经二次指数平滑处理后，
仍有曲率时，应用三次指
数平滑法。
(3)季节变动法
根据季节变动特征分为：水平型季节变动和长期趋势季节变动
①水平型季节变动：是指时间丿宇列中各项数值的变化是围绕某一个水平值上下周期性
的波动。若时间序列呈水平型季节变动，则意味着时间序列中不存在明显的长期趋势变