需求预测方法(2)

《需求预测方法(2)》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、.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、指数平滑预测法、趋势外推预测法等;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：图1：物资需求预测方法一、时间序列法1.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。2.概况：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

2、以St，Tt，Ct，It表示时间序列的季节因素St，长期趋势波动、季节性变动、不规则变动．则实际观测值与它们之间的关系常用模型有加法模型：乘法模型：混合模型：......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。3.时间序列常用分析方法：移动平均法、指数平滑法、季节变动法等（1）移动平均法①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=3

3、2+12+383=27。②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，3个月的数据，可以按照远近分别赋权重0.2，0.3，0.5。那么第6个月的预测量Q=0.2×32+0.3×12+0.5×38=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+(1-a)St-1式中，　　St--时间t的平滑

4、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来确定。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

5、季节变动①水平型季节变动:......是指时间序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动而仅有季节变动和不规则变动。季节指数=各年同季（月）平均数/总平均数季节变差=各年同季（月）平均数-总平均数②长期趋势季节变动:是指时间序列中各项数值一方面随时间变化呈现季节性周期变化，另一方面随着时间变化而呈现上升(或下降)的变化趋势。季节指数=各年同季（月）平均数/趋势值季节变差=各年同季（月）平均数-趋势值季节变动预测的方法很多，应用时应根据季节变动的类型选择适应的预测

6、方法若时间序列呈长期趋势季节变动，则意味着时间序列中不仅有季节变动、不规则变动，而且还包含有长期趋势变动。（4）趋势外推法趋势外推预测法是一种通过逻辑推理分析,以期达到预测效果的预测方法。其主要以事物发展的规律性为假设前提,即认为只要能够正确地了解并且掌握事物历史及现有的发展状态,就能够遵循其发展规律来预测事物的未來发展趋势。趋势外推预测方法是一种探索型的预测方法,其主要适用于预测那些时间序列随着单位时间的增加或者减少,出现变化大致相同的长期需求预测。4.时间序列建模时间序列是同类型指标值按时间顺序排列而形成的数列。很多行业特别是金融行业会产生

7、大量的时间序列，如经济数据、股市数据等。要从这些数据中得到有用的数据，需要采用数据挖掘的技术，而建模是影响数据挖掘效果的一个重要因素，对于时间序列数据而言更是如此。以下是时间序列建模的常用方法。典型的时间序列模型有ARMA，HMM等基于模型的表示方法。1.隐Markov模型（HMM）(matlab求解)隐马尔可夫模型（HiddenMarkovModel，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。HMM......是一种不完全数据

8、的统计模型，这种模型既能反映对象的随机性，又能反映对象的潜在结构，便于利用对象的结构与局部联系性质等方面的知识，以及对研究对象的直观与先验的了解。HM