物流需求與預(yù)測(cè)概論(編輯修改稿)
2025-01-24 05:41 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 8）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法 1）增長(zhǎng)率法 增長(zhǎng)率法 ， 指根據(jù)預(yù)測(cè)對(duì)象在過(guò)去的統(tǒng)計(jì)期內(nèi)的平均增長(zhǎng)率 ， 類推未來(lái)某期預(yù)測(cè)值的一種簡(jiǎn)便算法 。 該預(yù)測(cè)方法一般用于增長(zhǎng)率變化不大 ， 或預(yù)計(jì)過(guò)去的增長(zhǎng)趨勢(shì)在預(yù)測(cè)期內(nèi)仍將繼續(xù)的場(chǎng)合 。 LTLT iYY )1(^ ??? %10010 ??????? ??T TYYi 2）移動(dòng)平均法 一次移動(dòng)平均值的計(jì)算公式是： 二次移動(dòng)平均值的計(jì)算公式為： 二次移動(dòng)平均預(yù)測(cè)模型的形式為： ?????niitt XnM1139。 1 ?????niitt Mn139。139。39。 1Tbay ttTt ???? ttt MMa ????? 2 )(12 ttt MMnb ????? 3）指數(shù)平滑預(yù)測(cè)法 ? 一次指數(shù)平滑值的遞推計(jì)算公式為： ? 式中： α 為平滑常數(shù) ， 0≤ α ≤ 1， 一般取 。 ? 二次指數(shù)平滑值的遞推計(jì)算公式為： ? 二次指數(shù)平滑預(yù)測(cè)模型的形式為： )1( 1)1( )1( ???? ttt SyS ?? )2(1)1()2( )1( ???? ttt SSS ?? Tbay nnTn ???? )2()1(2 nnn SSa ?? )(1 )2()1( nn SSb ??? ?? 4）生長(zhǎng)曲線法 最著名的費(fèi)爾哈斯模型 。 費(fèi)爾哈斯模型的表達(dá)式為： ? 費(fèi)爾哈斯模型的圖像是一條 s型曲線 ， 大體可分為三段 ， 即緩慢增長(zhǎng)階段 、 快速增長(zhǎng)階段和平穩(wěn)階段 ，其中 ， 平穩(wěn)階段的 p=a/b可視為 “ 飽和值 ” 。 )(0000)()( ttaebpabp aptp ????? 5） 灰色預(yù)測(cè)方法 灰色預(yù)測(cè)方法一般利用時(shí)序列數(shù)據(jù) ， 通過(guò)建立 GM（ 1，1） 模型進(jìn)行預(yù)測(cè) 。 該預(yù)測(cè)方法具有以下特點(diǎn)： ① 不需用大量樣本； ② 預(yù)測(cè)精度較高； ③ 用累加生成擬合微分方程 ， 符合能量系統(tǒng)的變化規(guī)律； ④ 可以進(jìn)行長(zhǎng)期預(yù)測(cè) 。 用 GM（ 1,1） 模型進(jìn)行灰色預(yù)測(cè)的步驟是： ① 對(duì)原始時(shí)序列數(shù)據(jù) x(0)（ t） ， t=1， 2， ．．． 做一次累加生成 ， 得新的數(shù)列 x(1)（ t） ， t=1， 2， ．．． ，其中： ??? tiixtx1)0()1( )()( 5）灰色預(yù)測(cè)方法 ②利用一次累加生成數(shù)列擬合微分方程，得參數(shù) a和 u； ③解上述微分方程得時(shí)間響應(yīng)函數(shù)： uaxdtdx ?? )1()1( XBBBua TT 1)( ???????? ???????????????)0()0(3)0(2nxxxX??????????????????????? 1)(2/11)(2/11)(2/1)1()1(1)1(3)1(2)1(2)1(1nn xxxxxxB??aueauxtx at ??? ?))1(()( )0()1( 5）灰色預(yù)測(cè)方法 ④對(duì)時(shí)間響應(yīng)函數(shù)求導(dǎo)還原得預(yù)測(cè)方程： ⑤ 利用歷史數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行精度檢驗(yàn)； ⑥ 通過(guò)預(yù)測(cè)方程進(jìn)行預(yù)測(cè) 。 ateauxatx ????? ))1(()1( )0()0( 6）馬爾柯夫預(yù)測(cè)法 馬爾柯夫主要研究事物狀態(tài)轉(zhuǎn)移 ， 他經(jīng)過(guò)多次試驗(yàn)發(fā)現(xiàn) ， 一個(gè)系統(tǒng)的某些因素在轉(zhuǎn)移中第 n次結(jié)果只受第 n1次的結(jié)果的影響 ，只與當(dāng)前所處狀態(tài)有關(guān) ， 與其他無(wú)關(guān) 。 其遞推公式為： 經(jīng)常使用馬爾柯夫預(yù)測(cè)法對(duì)市場(chǎng)占有率進(jìn)行預(yù)測(cè) 。 馬爾柯夫市場(chǎng)占有率預(yù)測(cè)的一般步驟為：調(diào)查目前的市場(chǎng)占有率情況；調(diào)查消費(fèi)者的變動(dòng)情況；建立數(shù)學(xué)模型；預(yù)測(cè)未來(lái)市場(chǎng)的占有率 。 ??????????????????nnnnnnnnPPPPPPPPPtStStStStStStS?????????2122221112112121 ))(),(),((())1(),1(),1(()1( 7）自回歸預(yù)測(cè)法 自回歸預(yù)測(cè)法的原理為：時(shí)間序列的觀察值之間往往是高度相關(guān)的。其一般模型如下： 上式的意義就是通過(guò)回歸分析 ， 建立第 t年的值與第t1， t2， ? ， tp年的值的關(guān)系 ， 通過(guò)這個(gè)關(guān)系來(lái)作前向預(yù)測(cè) ， 其實(shí)質(zhì)就是對(duì)事物發(fā)展特征曲線的擬合 ， 并進(jìn)一步推知其未來(lái)的發(fā)展軌跡 。 tptpttt eyyyy ????? ??? ??? ?2211 8） 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法 神經(jīng)網(wǎng)絡(luò) ， 特別是反向傳播網(wǎng)絡(luò)在許多領(lǐng)域都得到廣泛應(yīng)用 。 該方法在函數(shù)逼近 、 模式識(shí)別 、 數(shù)據(jù)壓縮等領(lǐng)域的應(yīng)用實(shí)踐充分證明 ， 通過(guò)該方法獲得的結(jié)果與實(shí)際結(jié)果非常接近 ， 尤其在曲線擬合方面有很高的精度 。 利用神經(jīng)網(wǎng)絡(luò)的方法建立數(shù)學(xué)模型 ， 擬合歷史數(shù)據(jù)的變化曲線 ，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1