《物流需求预测》课件

《物流需求预测》课件

ID:38954435

大小:314.00 KB

页数:28页

时间:2019-06-22

《物流需求预测》课件_第1页
《物流需求预测》课件_第2页
《物流需求预测》课件_第3页
《物流需求预测》课件_第4页
《物流需求预测》课件_第5页
资源描述:

《《物流需求预测》课件》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、第二章物流需求预测本章将讨论以下几个方面的内容:物流需求预测的概念物流需求预测的原则和类型物流需求预测的常用方法指数平滑预测法物流需求预测的概念预测是指对未来不确定事件的预见和推测。物流需求,是指各类企、事业单位和个体消费者在社会经济活动过程中,所伴随产生的运输、仓储、装卸搬运、配送等物流活动的需要情况。物流需求预测,就是利用历史的资料和市场信息,对未来的物流需求状况进行科学地分析、估算和推断,物流需求预测的意义在于指导和调节人们的物流管理活动,以便采取适当的策略和措施,谋求最大的利益。物流需求预测的原则惯性原则类推原则相关原则概率推断原则定性、定量分析相结合原则物流需求预测的类型按预测

2、时间长短分类短期预测、近期预测、中期预测和长期预测按预测的空间范围分类宏观预测、中观预测和微观预测按预测的方法分类定性预测和定量预测指数平滑预测法指数平滑法由美国经济学家布朗(Robert.G.Brown)于1959年在《库存管理的统计预测》一书中首先提出,指数平滑法的基本思想是,根据实际值与预测值分别以不同权数,计算加权平均数作为下期的预测值。一次指数平滑法二次指数平滑法三次指数平滑法一次指数平滑法是时间序列中时间t上的观察值,样本数为n,时间序列为,是第期的预测值。习惯上常用St表示平滑值,上面的式子可写为:α为平滑常数二次指数平滑法二次指数平滑法又称为双重指数平滑法,它是以相同的平

3、滑常数α,在一次指数平滑的基础上再进行一次平滑。用表示一次指数平滑值,用表示二次指数平滑值布朗(Brown)单一参数线形指数平滑m——预测超前期数;——待定参数。其中:三次指数平滑法三次指数平滑法又称三重指数平滑。与二次指数平滑法一样,三次指数平滑并不直接用平滑值作为预测值,而用平滑值建立预测模型,再用预测模型进行预测。三次指数平滑一般用于非线形时间序列的预测。布朗三次指数平滑预测实例分析深圳市航空物流园区在规划建设阶段需要对园区总货运量进行科学预测,已知深圳机场1992~2000年9年的航空货运量历史资料,利用指数平滑预测法,对深圳机场2001年~2005年航空总货运量进行预测。航空总

4、货运量历史数据表单位:万吨年份199219931994199519961997199819992000货运量11512265903897350965622607297785789125202169064采用三次指数平滑的方法经过多次试算得到,当a=0.63时相对误差较小,计算情况如下表三次指数平滑法(α=0.63)年份ytabcFt+m19921151211512.011512.011512.011512.019932659021011.117496.515282.225826.312298.11885.119943897332327.126839.822563.539025.51522

5、2.901755.540009.419955096544069.037694.232095.851220.214624.11125.556004.019966226055529.348930.342701.562498.613033.7536.766969.819977297766521.460012.753607.673133.611585.2150.176068.919988578978659.971760.565043.985742.412635.9265.284868.91999125202107981.594579.783651.4123856.734828.23585.698

6、643.52000169064146463.5127266111128.1168568.446845.54233.7162270.5最终预测结果入下表:总货运量预测数据表单位:万吨年份20012002200320042005预测值21.9627.9234.7242.3750.86回归分析预测法一般来说,回归就是指研究自变量与因变量之间关系的分析方法。物流需求预测中,物流需求的多少受到多种因素的影响,可以通过在各相关影响因素间建立回归预测模型来实现对物流量的预测。回归分析预测的基本问题变量间相关关系的定性分析变量因果关系的确定数学模型的选择回归方程与回归系数的显著性检验一元回归分析预测一元

7、线性回归方程的模型可表述为:为回归方程的参数;未知参数是自变量,是因变量;为剩余残差项或称随机扰动项。参数估计线性回归模型参数的估计方法通常有两种①普通最小二乘法;②最大似然估计法。最小二乘法的中心思想是通过数学模型,配合一条较为理想的趋势线,这条趋势线必须满足以下要求:①原数列的观测值与模型估计值的离差平方和为最小;②原数列的观测值与模型估计值的离差总和为0。根据最小二乘法,各参数的计算方法为:模型显著性检验物流理论检验统计检验相

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。