物流系統(tǒng)需求預(yù)測(cè)概述(存儲(chǔ)版)
【正文】 的預(yù)測(cè)需求為：S 2==T 3=Tt)(611)Tt+1=? xm451?： y與 x之間顯著線性相關(guān)；r0： =(千噸 )， y0的置信度為 95%的預(yù)測(cè)區(qū)間為：45第四節(jié) 基于神經(jīng)網(wǎng)絡(luò)的物流系統(tǒng)預(yù)測(cè)法一、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的數(shù)學(xué)模型? 神經(jīng)網(wǎng)絡(luò)的理論： 一個(gè)三層前饋神經(jīng)網(wǎng)絡(luò)能以任意精度逼近一個(gè)任意復(fù)雜的非線性函數(shù)。3)和閾值 ?k。第五步，初定學(xué)習(xí)速率 ?、 ?=~。=34萬輛，y|1： ?|ry = + 利用 Excel：b0=,x21992的薄鋼板需求量預(yù)測(cè)值 （ 4）利用模型預(yù)測(cè)結(jié)果 )/ ItL+1)(St?1000+?=1000T 1=S t—— 第 t期的最初預(yù)測(cè)值；+(St試對(duì)今年第三季度需求進(jìn)行預(yù)測(cè)。? 簡單、易用，只要很少的數(shù)據(jù)量? 當(dāng)預(yù)測(cè)數(shù)據(jù)發(fā)生根本性變化時(shí)還可以進(jìn)行自我調(diào)整。第三，對(duì)預(yù)測(cè)精度要求不太高的場(chǎng)合，可以根據(jù)具體情況要求適當(dāng)調(diào)整預(yù)測(cè)值，保證需求的可靠性。例如：對(duì)產(chǎn)品所需零部件的需求預(yù)測(cè) 14二、物流系統(tǒng)預(yù)測(cè)的特殊問題（一）新需求預(yù)測(cè)方法一：將最初的預(yù)測(cè)任務(wù)交給營銷人員來做，由營銷人員通過促銷宣傳、消費(fèi)者行為調(diào)研等方式，積累一定的銷售歷史數(shù)據(jù)。沒有系統(tǒng)的變化，就不需要預(yù)測(cè)。常用時(shí)間序列預(yù)測(cè)法。方法三：使用指數(shù)平滑法進(jìn)行預(yù)測(cè)，將指數(shù)平滑系數(shù)定得很高（ ≥ ）。 17二、物流系統(tǒng)預(yù)測(cè)的特殊問題（四）預(yù)測(cè)的誤差問題? 預(yù)測(cè)誤差是不可避免的 ? 將幾種預(yù)測(cè)模型的結(jié)果進(jìn)行綜合，可使預(yù)測(cè)值更穩(wěn)定、更可靠18第三節(jié) 物流需求預(yù)測(cè)的方法一、移動(dòng)平均法二、指數(shù)平滑法三、回歸分析預(yù)測(cè)方法19一、移動(dòng)平均法?基本思想：根據(jù)時(shí)間序列信息，逐項(xiàng)推移，依次計(jì)算包含一定項(xiàng)數(shù)的序時(shí)平均值，以反映數(shù)據(jù)序列的長期趨勢(shì)。 24（一）基本的指數(shù)平滑模型關(guān)鍵參數(shù)確定（ 1）初始值 F1：?數(shù)據(jù)較多時(shí)，將已有數(shù)據(jù)中的某一部分的算術(shù)平均值或加權(quán)平均值作為初始值 F1?數(shù)據(jù)較少時(shí)，用定性預(yù)測(cè)法選取 F1（ 2）平滑系數(shù) ? ： ~ ?值越大： 對(duì)近期需求影響大，對(duì)時(shí)間序列變化敏感；?值越小：對(duì)近期數(shù)據(jù)影響小，歷史數(shù)據(jù)的權(quán)數(shù)越大，反映長期的大致發(fā)展趨勢(shì)。 S t+1+T t—— 第 t期的趨勢(shì)； ?—— 趨勢(shì)平滑系數(shù)。?1400+??()+()?=F3=+=(S t+1(612)It =(614) 式中： Ft+1—— 第 t+l期校正趨勢(shì)和季節(jié)性因素后的預(yù)測(cè)值；?—— 季節(jié)性指數(shù)基礎(chǔ)上的平滑系數(shù)；It—— 第 t期的季節(jié)性指數(shù)；L—— 一個(gè)完整的季節(jié)周期，如一年的 4個(gè)季節(jié)或 12個(gè)月重復(fù)一次； 30（四）二次指數(shù)平滑法? 二次指數(shù)平滑法，是指在一次指數(shù)平滑值基礎(chǔ)上再作一次指數(shù)平滑，然后利用兩次指數(shù)平滑值，建立預(yù)測(cè)模型確定預(yù)測(cè)值的方
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1