【正文】 論意義檢驗： 主要檢驗參數(shù)估計值的符號和取值區(qū)間是否與有關(guān)學(xué)科理論或?qū)嵺`經(jīng)驗相符合。63 物流系統(tǒng)需求預(yù)測的方法 ——多元線性回歸取決于 因變量和自變量的相關(guān)程度 ，可用相關(guān)系數(shù)反映?；貧w方程的顯著性檢驗用 F檢驗 。預(yù)測區(qū)間公式：式中 : yf0由回歸方程計算的預(yù)測值； ?顯著性水平；顯著性水平 +置信度 =1；51平滑預(yù)測與回歸預(yù)測的比較平滑預(yù)測與回歸預(yù)測都是常用的預(yù)測技術(shù)，其區(qū)別如下：v適用范圍不同216。平滑預(yù)測是一種對現(xiàn)有資料的外推，只適用于短期預(yù)測；216?；貧w模型既用于預(yù)測，也可以用于結(jié)構(gòu)分析、政策評價等v數(shù)學(xué)基礎(chǔ)不同216。但有些事物的發(fā)展，只要知道現(xiàn)在狀態(tài) ,就可以預(yù)測將來的狀態(tài)而不需要知道事物的過去狀態(tài)。 馬爾可夫是俄國著名的數(shù)學(xué)家，馬爾可夫過程是以馬爾可夫名字命名的一種特殊的描述事物發(fā)展過程的方法。 所謂無后效性，簡單來說，就是已知系統(tǒng)的 “ 現(xiàn)在 ” ，那么 “ 將來 ” 與 “ 過去 ” 無關(guān)，僅與 “ 現(xiàn)在” 有關(guān)。對于一階馬爾柯夫鏈可這樣理解： 首先，一階馬爾柯夫鏈是指后一事件的概率僅取決于前一次事件，而與前二次，前三次，乃至更前若干次事件無關(guān)；其次，一階馬爾柯夫鏈是指事件或時間參數(shù)為離散變量。狀態(tài)及初始狀態(tài) 狀態(tài) ：指在一系列隨機實驗中，每一次實驗的結(jié)果是出現(xiàn)有限個或可數(shù)無窮個兩兩互斥的事件 S1， S2， … 中的一個而且僅出現(xiàn)一個，則稱這些事件為狀 態(tài)。吸收性 就是指系統(tǒng)將逐漸達到一個穩(wěn)定狀態(tài)，它與系統(tǒng)的原來狀態(tài)無關(guān)。572．轉(zhuǎn)移概率初始概率與轉(zhuǎn)移概率585960616263 市場占有率的概念 市場占有率是指一段時間內(nèi)企業(yè)某種產(chǎn)品的銷售量占該產(chǎn)品全部銷售量的百分比 . 如全國某年洗衣機的銷售量為 100萬臺，某廠生產(chǎn)的洗衣機該年銷售量為 35 萬臺，則該廠洗衣機的市場占有率為 35%. 分析和預(yù)測市場占有率的方法有很多，馬爾柯夫法是最常用的方法之一。不同的實際問題，某些假設(shè)條件也有所不同。馬爾柯夫決策法的假設(shè)條件65 1 ．分析所預(yù)測的問題是否適用于馬爾柯夫模型及是否滿足模型的假設(shè)條件（在后面的例子中，我們均假設(shè)是滿足這些條件的）； 2．分析該問題有幾種狀態(tài)并計算初始狀態(tài)的概率； 3．計算轉(zhuǎn)移概率并用矩陣表示； 4．預(yù)測所需周期的市場占有率； 5．計算平衡狀態(tài)下的市場占有率； 6．根據(jù)預(yù)測市場占有率進行相應(yīng)的決策。 最近， A廠感到 C廠采取了一種把 A廠和 B廠的顧客吸引到 C廠的營銷策略，使得 A廠的顧客大為減少。 68在這個問題中，顧客下一個季度購買哪家的化肥往往是根據(jù)上一個季度的購買經(jīng)歷來作出決定的；顧客每隔一個季度購買一次化肥，且每次購買的數(shù)量大致相同；每季度購買化肥的總量大致相同；每季度各廠的保留率，轉(zhuǎn)出率和轉(zhuǎn)入率大致相同；顧客愿意到哪個廠購買化肥的意愿是隨機的；該地區(qū)的化肥市場由 3個廠家占領(lǐng)，估計今后一段時間沒有廠家加入，也沒有廠家退出。8283 上面方程式組中，第（ 1）式表示，在平衡條件下， A廠在n+1個周期的市場占有率為 n期 A廠 70%市場占有率加上 n期B廠市場占有率的 10%，再加上 n期 C廠市場占有率的 5%。8828990灰色預(yù)測 一、灰色系統(tǒng)基本概念 :若一個系統(tǒng)的內(nèi)部特征是完全已知的，即 系統(tǒng)的信息是充足完全的 ，我們稱之為 白色系統(tǒng) 。 91灰色預(yù)測一個商店可看作是一個系統(tǒng)，在人員、資金、損耗、銷售信息完全明確的情況下，可算出該店的盈利大小、庫存多少，可以判斷商店的銷售態(tài)勢、資金的周轉(zhuǎn)速度等，這樣的系統(tǒng)是白色系統(tǒng)。世界上沒有絕對的白色系統(tǒng)，因為任何系統(tǒng)總有未確知的部分，也沒有絕對的黑色系統(tǒng)，因為既然一無所知，也就無所謂該系統(tǒng)的存在了。（ 3）灰色系統(tǒng)理論能處理貧信息系統(tǒng)?！。?2） 災(zāi)變與異常值預(yù)測 ，即通過灰色模型預(yù)測異常值出現(xiàn)的時刻，預(yù)測異常值什么時候出現(xiàn)在特定時區(qū)內(nèi)?；疑A(yù)測94三、灰色系統(tǒng)的模型灰色生成 將原始數(shù)據(jù)列中的數(shù)據(jù) ,按某種要求作數(shù)據(jù)處理 稱為生成 。累加前的數(shù)列稱 原始數(shù)列 ,累加后的數(shù)列稱為 生成數(shù)列 . 首先我們從一個簡單例子來考察問題 . 【例】 設(shè)原始數(shù)據(jù)序列95灰色系統(tǒng)的模型對數(shù)據(jù)累加 于是得到一個新數(shù)據(jù)序列96灰色系統(tǒng)的模型歸納上面的式子可寫為 稱此式所表示的數(shù)據(jù)列為原始數(shù)據(jù)列的一次累加生成，簡稱為一次累加生成 .顯然有 將上述例子中的 分別做成圖 圖 2。 須指出的是，建模時先要作一次累加，因此 要求原始數(shù)據(jù)均為非負數(shù) 。 因此，這些數(shù)據(jù)符合建立灰色預(yù)測模型的要求。神經(jīng)網(wǎng)絡(luò)預(yù)測原理：通過對歷史數(shù)據(jù)樣本的學(xué)習(xí) 自動產(chǎn)生 自變量與因變量之間的 非線性 映射關(guān)系，并將這種關(guān)系隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)中；對任一新的自變量值，可以很快的利用該網(wǎng)絡(luò)輸出因變量值。64 基于神經(jīng)網(wǎng)絡(luò)的物流系統(tǒng)預(yù)測法神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)由實際問題確定，權(quán)重及閾值的確定要通過一定的學(xué)習(xí)算法對歷史數(shù)據(jù)進行訓(xùn)練、調(diào)整得到，必須借助計算機完成。預(yù)測誤差分析：對預(yù)測誤差的計算、分析、反饋和調(diào)整過程。因此，對信息與資料的一般要求是全面、完整、真實可靠。 要減少這種誤差，要求預(yù)測者具備廣泛的知識、豐富的經(jīng)驗、敏銳的觀察能力和思考能力以及精確的判斷能力。 平均誤差記為 MD，其計算方法為： 由于每個 ei值有正有負，求代數(shù)和有時會相互抵消，所以平均誤差 MD無法精確地顯示預(yù)測值的誤差。公式中由于每個 |ei|值都為正值，因而平均絕對誤差可以彌補平均誤差的缺點。其計算方法為： 6．均方差 預(yù)測值誤差平方和的平均值稱為均方差。 127。（ 1） 預(yù)測 1 月份兩種牙膏的市場占有率及使用人數(shù) 。 使用中華牙膏的 7000人中， 其計算方法為： 將絕對誤差記為 MAD，其計算方法為：123三 . 預(yù)測誤差計算1. 根據(jù)誤差的定義進行計算式中： xi—— 第 i時刻的實際值； x’i —— 第 i時刻的預(yù)測值； ei—— 第 i時刻的預(yù)測誤差值。 2．預(yù)測方法及預(yù)測參數(shù)引起的誤差 預(yù)測是對實際過程的近似描述，預(yù)測中使用的參數(shù)是對真實參數(shù)的近似。v通過誤差計算和分析產(chǎn)生誤差的原因，從而檢驗、比較和評價預(yù)測方法的有效性及其優(yōu)劣。神經(jīng)網(wǎng)絡(luò)預(yù)測的應(yīng)用案例 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 .pdf120預(yù)測結(jié)果分析一. 預(yù)測誤差二. 預(yù)測誤差：預(yù)測結(jié)果與實際情況的偏差。64 基于神經(jīng)網(wǎng)絡(luò)的物流系統(tǒng)預(yù)測法應(yīng)用最廣泛的三層 BP網(wǎng)絡(luò)拓撲結(jié)構(gòu)如下圖：輸入層 m個節(jié)點代表 m個自變量；輸出層 n個節(jié)點代表 n個因變量；隱含層節(jié)點數(shù)可按經(jīng)驗選定或試探確定，影響網(wǎng)絡(luò)訓(xùn)練速度。年份 1999 2023 2023 2023 2023 序號 1 2 3 4 5 表 2 逐年銷售額（百萬元）111銷售額預(yù)測 解：（ 1）由原始數(shù)據(jù)列計算一次累加序列 ，結(jié)果見表3. 表 3 一次累加數(shù)據(jù)年份 1999 2023 2023 2023 2023序號 1 2 3 4 5 112銷售額預(yù)測（ 2）建立矩陣：113銷售額預(yù)測114銷售額預(yù)測115銷售額預(yù)測116銷售額預(yù)測117167。 注意到一階常微分方程是導(dǎo)出 GM(1,1)模型的橋梁，在我們應(yīng)用 GM(1,1)模型于實際問題預(yù)測時，不必求解一階常微分方程（公式 3）。 可以 設(shè) 想用一條指數(shù)曲 線 乃至一條直 線 來逼近累加生成數(shù)列 98灰色系統(tǒng)的模型為了把累加數(shù)據(jù)列還原為原始數(shù)列，需進行后減運算或稱相減生成，它是指后前兩個數(shù)據(jù)之差，如上例中歸納上面的式子得到如下結(jié)果：一次后減其中99灰色系統(tǒng)的模型2. 建模原理給定觀測數(shù)據(jù)列經(jīng)一次累加得設(shè) 滿足一階常微分方程（公式 1）（公式 2）（公式 3）100灰色系統(tǒng)的模型　 其中 a是常數(shù)，稱為發(fā)展灰數(shù)； u稱為內(nèi)生控制灰數(shù)，是對系統(tǒng)的常定輸入。 通過下面的數(shù)據(jù)分析、處理過程，我們將了解到，有了一個時間數(shù)據(jù)序列后，如何建立一個基于模型的灰色預(yù)測?！。?4） 拓撲預(yù)測 ，將原始數(shù)據(jù)作曲線，在曲線上按定值尋找該定值發(fā)生的所有時點，并以該定值為框架構(gòu)成時點數(shù)列，然后建立模型預(yù)測該定值所發(fā)生的時點。因此，對于某些只有少量觀測數(shù)據(jù)的項目來說，灰色預(yù)測是一種有用的工具。（ 1）用灰色數(shù)學(xué)來處理不確定量，使之量化 不確定量 量化（用確定量的方法研究） 概率論與數(shù)理統(tǒng)計； 模糊數(shù)學(xué)； 灰色數(shù)學(xué)（灰色系統(tǒng)理論）（ 2）充分利用已知信息尋求系統(tǒng)的運動規(guī)律。人體是一個系統(tǒng)，人體的一些外部參數(shù)（如身高、體溫、脈搏等）是已知的，而其他一些參數(shù)，如人體的穴位有多少，穴位的生物、化學(xué)、物理性能，生物的信息傳遞等尚未知道透徹，這樣的系統(tǒng)是灰色系統(tǒng)?；疑到y(tǒng)介于二者之間，灰色系統(tǒng)的一部分信息是已知的，一部分是未知的。84858687概率矩陣特點：1若概率矩陣 P的 m次冪的所有元素皆為正，則該概率矩陣 P稱為正規(guī)概率矩陣（此處 m≥2）2當任一非零向量 u=（ u1， u2 ， … ， un ）左乘某一方陣 A后，其結(jié)果仍為 u，即不改變 u中各元素的值，則稱 u為 A的固定向量（或不動點）。697071727374757677787948081這時我們稱市場占有率經(jīng)過 n次（本例 n=23）轉(zhuǎn)移后達到平衡狀態(tài)。但在第二季度（周期 1），A廠保住了 17500戶老顧客，