基于模型体系的物资需求预测系统设计

《基于模型体系的物资需求预测系统设计》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于模型体系的物资需求预测系统设计摘要：本文在收集、分析比较国内外关于需求预测技术及方法论基础上，提出一种建立基于模型体系的物资需求预测系统的方法。关键字：供应链物资需求预测1引言本文在归纳总结关于供应链的物资需求预测模型及方法的国内外文献的基础上，从两个层面对物质需求系统的设计进行论述。第一个层面是对国内外物资需求模型研究进展进行分析和综述，主要总结与分析各类预测模型特征；第二个层面是物资需求预测系统建设内容的界定，主要考虑了数据采集、数据管理、模型体系建立三个方面。本文主要就供应链的物资需求系统进行了设计，主

2、要工作如下：第一，物资需求预测的数据采集问题。首先，对物资需求进行调研，主要是针对需求计划与历史数据，主要包括物资特征、价格、数量、供应商及生产计划等。然后，在建立标准的数据采集渠道下，针对供应链的物资需求建立慕础数据库。第二，对所需物资数据的分类问题。首先，针对需求对根据物资相关性、类别等进行分类，文中采用数据相关性检验、聚类分析及判别分析模型，确定独立物质与相关物资两个集合类，并对物质进行季节性与周期性等分类。第三，模型体系建立与实现问题。针对分类物质分别建立对应的需求模型，将建立的需求模型集屮管理，组成一个

3、模型体系。用户可以通过模型体系，对物质的毛需求进行预测，包括预采购数量、提前采购吋间等。并可以与库存数据相连接，计算净需求；模型体系还可以与外界环境交互，进行参数、数据修正等。第四，基于模型体系的物资需求预测反馈问题。需求预测结果与实际进行对比，进行模型修正，以提高预测模型精度。将需求预测系统建设成为一个开放的适应系统，根据数据、参数及外界环境的变化，灵活的调整。2国内外需求预测方法及模型研究现状需求预测有助于控制库存并对供应链中的信息流进行合并，所以，一般都认为需求预测构成了供应链屮所有战略与规划决策的基础，它

4、对于组建一个供应链系统模型是必不可少的。从预测对象的角度，还可以将需求预测的文献归为三类,第一类是己知需求的分布但分布的参数未知，可用贝叶斯或其他方法对需求分布的参数进行估计;第二类是对生成的随机时间序列需求进行预测，这样可以在生成的不平稳或显著季节性等各种需求模式下对预测模型进行仿真分析;第三类是对实际的需求数据和需求背景进行分析，选用某种适当的预测方法进行预测。具体如表1、表2,分别就目前主要的需求预测技术及方法进行总结与分析：表1需求预测技术预测技术特点不足冋归分析法冋归预测是根据历史数据的变化规律，寻找自

5、变量与因变量之1'可的回归方程式，确定模型参数，据此做出预测。主要特点是：（1）技术比较成熟，预测过程简单；（2）将预测对象的影响因素分解，考察各因素的变化情况，从而估计预测对象未來的数量状态。（1）冋归模型误差较大，外推特性差。当影响因素错综复杂或相关因素数据资料根无法得到时，即使增加计算暈和复杂程度，也无法修正回归模型的误差。（2）可能出现量化结果与定性分析结果不符的现彖，有时难以找到合适的回归方程类型。时间序列分析法把预测对象的历史数据按一定的时间间隔进行排列，构成一个随吋1'可变化的统计序列，建立相应的数

6、据随时间变化的变化模型，并将该模型外推到未来进行预测。例如移动平均法、指数平滑法等。也可以根据己知的历史数据来拟合一条曲线，使得这条曲线能反映预测对象随时间变化的变化趋势，然后按照这个变化趋势曲线，对于要求的未来某一时刻，从曲线上估计出该时刻的预测值。（1）此方法有效的前提是过去的发展模式会延续到未来，因而这种方法对短期预测效果比较，而不适合做屮长期预测。（2）若影响预测对象变化各因素发生突变，时1'可序列法的预测结果将受到一定的影响。灰色系统理论灰色系统理论将一切随机变暈看作是在一定范围内变化的灰色变量，对灰色

7、变量是利用数据处理方法数据生成与还原，将杂乱无章的原始数据整理成规律性较强的牛成数据来加以研究，即灰色系统理论建立的不是原始数据模型，而是生成数据模型。灰色预测通过对原始数据的处理和灰色模型的建立，发现、掌握系统发展规律，对系统的未来状态做出科学的定量预测。优化组合预测技优化组合预测有两类概念，一是指将几种预测方法所得术的预测结果，选取适当的权重进行加权平均的一种预测方法，其关键是确定各个单项预测方法的加权系数；二是指在几种预测方法中进行比较，选择拟合度最佳或标准离差最小的预测模型作为最优模型进行预测。神经网络用

8、人工神经网络的学习功能，用大量样本对神经元网络进行训练，调整其连接权值和闭值，然后可以利用已确定的模型进行预测。如误差反向传播算法（BP算法）通过网络误差的反向传播，调整和修改网络的连接权值和闭值，使误差达到最小，其学习过程包括前向计算和误差反向传播。它利用一个简单的三层人工神经网络模型，就能实现从输入到输出Z间任何复杂的非线性映射关系。支持向量机是基于统计学习的机器学习