供应链需求预测的建模方法、技术、最新进展

《供应链需求预测的建模方法、技术、最新进展》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、预测建模方法的讨论0引言人类历史的发展，总要受到自然、社会、政治、经济和文化等方面的制约。人们在现实生活中，大到国家政策的制定，小到个人生活的安排，也总是根据当时的客观条件作出各种决策，借以指导未来的行为，趋利避害，实现预期目标，尽可能地减少不必要的损失。然而，制定正确决策的基础，是在特定范畴内，对该范畴的未来状况进行预测，得出满意的预测结果。预测的结果越精确，决策的合理性就越高。由于决策行为的普遍性，预测的重要地位就显得更加重要。现实生活中，我们时时刻刻都在预测着，或许只是我们没有这种意识：自己正在做着预测。预测就是根据过去和现在预言未来，根据历史经验，客观资料和逻辑推断，寻求事物的发展规律

2、和未来趋势。比如说，今天老师布置的作业，同学们下周五准时完成的概率是多少？这要综合多方面的因素来进行预测，包括自己本周任务的繁忙程度；作业的难易程度；以往其他同学完成作业的情况等。由此可见，预测在我们的生活中也占有重要的地位。1.预测方法概述1.1预测方法简介随着现代科学技术的发展，预测科学广泛地吸收应用数学、管理科学、数理统计、信息科学等领域的成果，预测方法迅速发展起来。据统计，目前预测方法大约有300多种，其中多数是在预测实践中的演变型和改进型方法，经常使用的基本预测方法大约有十几种。常用的预测方法一般分为定性方法和定量方法，如下图1所示。定性预测方法主要依靠经验、专业水平，有时候甚至通过

3、专家的直觉判断，结合实际情况进行预测。表面来看，定性方法似乎缺乏可信度，但是当问题很复杂，无法应用到精确的定量方法时，定性预测就成为唯一可行的方法，而且可能产生意想不到的良好预测结果。常见的定性预测方法有：市场调查法、专家意见法、转导与类比法、预警分析法等。而定量预测法主要是运用数学模型预测未来。当能够收集到足够可靠的数据资料时，定量预测是更可取的。常见的定量预测方法有时间序列法、因果分析法、马尔柯夫法、神经网络模型、灰色理论模型等。其中，因果分析法又包括回归预测和经济计量模型。市场调查预测法头脑风暴法专家意见法德尔菲法定性研究方法转导与类比法简易平均法预警分析法移动平均法预指数平滑法测时间序

4、列法方趋势延伸法法季节预测法定量研究方法简单回归因果分析法多元回归马尔柯夫方法经济计量模型神经网络模型灰色理论模型图1预测方法总结1.2预测步骤整个预测过程大致有以下步骤：（1）明确预测目标；（2）搜集资料；（3）分析判断，建立预测模型；（4）做出预测。此外，还有一种6步预测法：（1）理解预测的目的；（2）将需求规划和预测结合起来；（3）识别影响需求预测的主要因素；（4）理解和识别顾客群；（5）决定采取何种最适当的预测法（6）决定预测的实施和选择计算误差的方法2.预测方法应用现状预测方法的应用很广泛。下面将简单罗列一下现行研究的课题来说明。（1）运用时间序列法预测2008年奥运会奖牌数；（2）

5、上市公司未来现金流量预测模型解释力研究（3）陕西文化消费规模分析预测（4）马尔科夫模型在企业技术工人供给预测中的应用（5）基于遗传算法的ELMAN神经网络模型在家电连锁行业中的应用（6）基于灰色理论的工伤事故死亡率预测模型研究（7）基于多元统计分析的上市公司财务危机预警模型的研究（8）基于Matlab的人工神经网络用水量预测模型（9）时尚类服装的短期需求预测方法（10）旅游交通需求预测方法探讨3.本次讨论重点讲述的内容3.1多元线性回归预测3.1.1回归预测理论介绍回归预测法，主要是分析因变量与自变量之间相互关系，用回归方程表示，根据自变量的数值变化，去预测因变量数值变化的方法。在经济预测中，

6、人们把预测对象当作因变量，把那些与预测对象有关的因素当作自变量，收集自变量的充分数据，应用相关分析和回归分析求得回归方程，并利用回归方程进行预测。在作回归预测时必须注意下列几个问题，这些问题是提高预测准确度的条件。(1)经济现象之间，即作为因变量与自变量之间必须有关系。(2)因变量与自变量之间的关系必须密切，要有强相关，而自变量与另一个自变量之间的关系，必须不密切，要求弱相关或零相关。判断相关关系密切程度的方法，可以通过绘制相关图和计算相关系数。根据历史资料绘制的相关图能判断相关的类型。3.1.2多元线性回归预测多元回归预测基本原理：多元线性回归是研究因变量与两个或两个以上的自变量之间的线性关

7、系。假定因变量Y与K个解释变量X1、X2，X3，……，Xk具有线性相关关系，取n期观测值，则线性回归模型为：Yi=B0+B1X1i+B2X2i+…+BkXki+ui（i=1，2，……，n）也可以表示为：^Yi=B0+B1X1i+B2X2i+…+BkXki（i=1，2，……，n）^式中，Y为因变量，X为自变量，Y是总体均值E（Y

8、X1i，X2i，…，Xki）的估计，B0为截距，Bk为偏回归系数（k=