【正文】 變化發(fā)展較快，利用一次移動平均預測會導致較大的誤差。n值的一般選擇原則是：（ 1）由時間序列的數(shù)據(jù)點的多少而定。移動平均法對時間序列數(shù)據(jù)變化的 反應速度叫 敏感性 。2443324800122404924133254001123416243002520230232162406723800922967239672340082241722533257007223672310062196723100522300214004226003219002224001n=6n=3移動平均數(shù) Mt(1)實際銷量(噸 )月份167。增加一個新值，同時剔除掉已參與平均計算的最陳舊的一個實際值，保證每次參與計算的實際值個數(shù)相同 。時間序列預測應注意的問題：v準確、完整的歷史數(shù)據(jù)資料v時間序列所代表的時間周期必須一致v時間序列中的各項數(shù)字的計算方法、計量單位、數(shù)據(jù)內(nèi)容必須一致。v歷史數(shù)據(jù)同時又受多種隨機因素的影響而呈現(xiàn)出一定程度的波動性和不規(guī)則性；（ 不能直接從歷史數(shù)據(jù)得到未來的趨勢 ）預測的基本思想 ——從歷史數(shù)據(jù)中揭示發(fā)展規(guī)律 通過對歷史數(shù)據(jù)進行 平均或平滑 ，消除歷史數(shù)據(jù)中的部分隨機波動因素的影響，指示出隱含在事物中的某種基本規(guī)律，并以此預測未來。 一般將幾種預測模型的結果進行綜合，才會使預測值更穩(wěn)定、更可靠。二：利用生產(chǎn)線中類似產(chǎn)品的需求模式估計新產(chǎn)品的銷售情況。 這種需求有很強的傾向性，且不是隨機的，通過判斷系統(tǒng)隨時間發(fā)展而呈現(xiàn)出的趨勢和規(guī)律，就能較好地改進預測結果。三種典型的規(guī)則性需求變化模式見下圖：11銷售量時間實際銷售額平均銷售額圖 1 隨機性或水平性發(fā)展的需求，無趨勢或季節(jié)性因素銷售量時間圖 2 隨機性需求，呈上升趨勢，無季節(jié)性因素實際銷售額平均銷售額銷售量時間圖 3 隨機性需求，有趨勢和季節(jié)性因素實際銷售額平均銷售額三種典型的規(guī)則性需求變化模式12167。 兩種處理方式： ① 先進行總需求預測，再按地理位置分解； ② 先對每個地點的需求單獨進行預測，再根據(jù)需要匯總。62 物流系統(tǒng)需求預測的特征原材料市場生產(chǎn)廠家配送中心 用戶需求預測 市場預測供應預測訂購預測 訂單預測 需求信息物流領域中的預測10167。 9物流預測 是根據(jù)客觀事物過去和現(xiàn)在的發(fā)展規(guī)律，借助科學的方法和手段，對物流管理發(fā)展趨勢和狀況進行分析、描述，形成科學的假設和判斷的一種科學理論。 v預測目的：明確為什么要預測；v預測對象：對什么事物進行預測；v預測期間：對哪個時期進行預測；預測必須占有大量的、系統(tǒng)的、適用于預測目標的資料；預測資料可以分為兩類：v縱向資料 :預測對象的歷史數(shù)據(jù)資料v橫向資料 :作用于預測對象的各種影響因素的數(shù)據(jù)資料8167。61 系統(tǒng)預測概述三、系統(tǒng)預測方法的分類v宏觀預測v微觀預測v長期預測：指預測期在 5 年或 5 年以上的預測v中期預測：指預測期在 1 年以上 5 年以下的的預測v短期預測：指預測期在 3 個月以上 1 年以下的預測v近期預測：指預測期在 3 個月以下的預測預測技術的種類繁多，據(jù)統(tǒng)計有 150多種。v特性相近的事物，在其變化發(fā)展過程中，常常有相似之處。慣性原理 : 事物在其發(fā)展變化過程中，總有維持或延續(xù)原狀態(tài)的趨向，事物的某些基本特征和性質(zhì)將隨時間的延續(xù)而維持下去。 3167。61 系統(tǒng)預測概述一、 系統(tǒng)預測的概念及實質(zhì)二、 預測的主要理論基礎三、 系統(tǒng)預測方法的分類四、 系統(tǒng)預測的一般程序 2167。61 系 統(tǒng)預測 概述167。62 物流系 統(tǒng) 需求 預測 的 特征167。61 系統(tǒng)預測概述一、系統(tǒng)預測的概念及實質(zhì)預測就是對未來一些不確定的或未知事件的判斷或描述。61 系統(tǒng)預測概述二、預測的主要理論基礎1. 慣性原理（連續(xù)性原理）慣性 : 指事物發(fā)展變化主要受內(nèi)因的作用，事物的過去，現(xiàn)在的狀態(tài)會持續(xù)到將來。 事物慣性的大小，取決于事物本身的動力和外界因素的作用。于是可以假設在有些情況下、事物之間的發(fā)展變化具有類似的地方，依此進行類比，可以由先發(fā)事物的變化進程與狀況，推測后發(fā)類似事物的發(fā)展變化。所有的預測技術可以分為三類：v判斷預測技術 (定性預測 ) v時間序列預測技術（定量預測）v因果預測技術（定量預測） 6167。61 系統(tǒng)預測概述四、系統(tǒng)預測的一般程序確定預測目的資料收集和數(shù)據(jù)分析選定預測方法建立預測模型誤差太大預測實施與結果分析模型檢驗與修正 誤差較大選擇預測方法要考慮的因素：v預測對象的特點；v預測范圍；v預測期限的長短；v預測要求精度；v占有數(shù)據(jù)資料的多寡、適應性；v企業(yè)愿為預測支付的費用的大?。籿企業(yè)要求得到預測結果所花時間的長短等。在物流系統(tǒng)規(guī)劃和控制過程中，最常見的是 對物流需求的預測 。62 物流系統(tǒng)需求預測的特征一、物流系統(tǒng)需求的特征時間特性 ： 需求是隨時間而變化的。不同產(chǎn)品的物流需求隨時間而變化的模式是不同的。62 物流系統(tǒng)需求預測的特征需求的獨立性 :物流需求來自一個個獨立的客戶。13167。三：使用指數(shù)平滑法進行預測，但在最初預測階段要將指數(shù)平滑系數(shù)定的很高。14167。15167。主要介紹常用的：移動平均法、指數(shù)平滑法、回歸分析預測法、馬爾柯夫預測模型16167。時間（月） 1 2 3 4 5 6 7 8 9運 輸 量（噸） 645 650 670 660 675 678 685 686 ?某公司某年 1~8月的貨物運輸量171. 一次移動平均預測法 以本期（ t期）移動平均值作為下期（ t+1期）的預測值。63 物流系統(tǒng)需求預測的方法 ——移動平均法19計算結果圖表顯示從圖上可以看出 ：（ 1）用移動平均法計算出的新數(shù)列的變化趨勢與實際變化情況基本一致；（ 2）新數(shù)列數(shù)據(jù)波動的范圍變小了，并且隨參與平均值計算的 n值的增加，平均值的波動范圍越小。移動平均法的修勻能力與敏感性相互矛盾。 數(shù)據(jù)點多， n可以取得大一些；（ 2）由時間序列的趨勢而定。 實際上，近期數(shù)據(jù)對預測值的影響一般更大，為了減少這種誤差，可以采取 二次移動平均方法 。步驟如下： （ 1）計算一次移動平均值 （ 2）計算二次移動平均值其中： Mt(1)—— t 時刻的一次移動平均值 Mt(2)—— t 時刻的二次移動平均值； n： —— 參與二次平均計算的一次移動平均值的個數(shù)（ 3）對有線性趨勢的時間序列做預測其中：167。167。 一次 指數(shù)平滑預測法適用于 水平型變動 的時間序列預測，二次 指數(shù)平滑預測法適用于 線性趨勢型變動 的時間序列預測，多次 指數(shù)平滑預測法適用于 非線性趨勢型變動 的時間序列預測。適用于歷史數(shù)據(jù)較少或數(shù)據(jù)的可靠性較差28167。?越大 ，現(xiàn)實測定值在預測中占的比重就越大，這就越能體現(xiàn)預測對象當前的變化趨勢而忽視它的歷史趨勢。 在物流需求預測方面， ?的范圍一般為 167。解： ?= F0，將去年 4個季度的需求平均值作為最初預測值：1 2 3 4去年 1200 700 900 1100今年 1400 1000 F3季度年份預測值 1000 1080 106431167。63 物流系統(tǒng)需求預測的方法 —指數(shù)平滑法當時間序列只存在下圖所示的 長期趨勢時 ，對預測模型進行如下校正：式中： Ft+1——第 t+1期校正趨勢后的預測值； St——第 t期最初預測值； Tt ——第 t期的趨勢； β——趨勢平滑系數(shù)。4=975基本平滑系數(shù) ?=， 趨勢平滑系數(shù) β=，初始 趨勢 T0=0第一季度預測值：第二季度預測值：第三季度預測值：34167。對趨勢和季節(jié)性變化進行校正的模型及求解步驟與上一模型相似，但計算量更加龐大，一般要借助計算機應用軟件來完成。36167。解： ?=，本例 n10，取時間序列前 3個數(shù)據(jù)平均值作為初始值，－－－07272621999(8)=(6)+(7)*T(7)= 4 (5)(6)=(3)+(5)(5)=(3)(4)(4)(3)(2)(1)預測值 yt+Tbtat St(1) St(2)St(2)St(1) 實際銷 售量月份+238167。平滑的數(shù)據(jù)能夠反映事物的變化趨勢，在物流系統(tǒng)預測中是極其有用的預測方法。如果把事物或事物的各因素用最能 反映其本質(zhì)特征的變量 來表示，那么這些變量之間也只能存在兩種狀態(tài)： 有關系 或 無關系。非確定性關系 ：變量之間存在著某種關系，但這種關系具有不確定性，這種關系叫做 非確定性關系，即相關關系 。分類：根據(jù)所涉及自變量的多少，可分為 一元回歸分析預測 二元回歸分析預測 多元回歸分析預測根據(jù)變量之間數(shù)量關系的不同，可分為 線性回歸分析預測 非線性回歸分析預測 42167。例 66： 為了預測汽車薄鋼板的年需求量，有關物資企業(yè)研究并收集了汽車制造業(yè)近幾年間的汽車產(chǎn)量與薄鋼板消耗量的數(shù)據(jù)，見下表，假設2023年的汽車產(chǎn)量約為 34萬輛，試估計 2023年的薄鋼板消耗量。 Slope： 返回經(jīng)過給定數(shù)據(jù)點的擬合線性回歸直線的斜率。63 物流系統(tǒng)需求預測的方法（ 2）多元線性回歸預測法是一元線性回歸預測法的延伸，研究一個因變量和兩個或兩個以上的自變量間的關系。63 物流系統(tǒng)需求預測的方法 ——多元線性回歸（ 3） 回歸模型的檢驗和預測值的顯著性檢驗完整的回歸模型檢驗包括：理