物流需求與預測概論(編輯修改稿)
2025-01-24 05:41 本頁面
【文章內(nèi)容簡介】 8）神經(jīng)網(wǎng)絡預測法 1）增長率法 增長率法 ， 指根據(jù)預測對象在過去的統(tǒng)計期內(nèi)的平均增長率 ， 類推未來某期預測值的一種簡便算法 。 該預測方法一般用于增長率變化不大 ， 或預計過去的增長趨勢在預測期內(nèi)仍將繼續(xù)的場合 。 LTLT iYY )1(^ ??? %10010 ??????? ??T TYYi 2）移動平均法 一次移動平均值的計算公式是： 二次移動平均值的計算公式為： 二次移動平均預測模型的形式為： ?????niitt XnM1139。 1 ?????niitt Mn139。139。39。 1Tbay ttTt ???? ttt MMa ????? 2 )(12 ttt MMnb ????? 3）指數(shù)平滑預測法 ? 一次指數(shù)平滑值的遞推計算公式為： ? 式中： α 為平滑常數(shù) ， 0≤ α ≤ 1， 一般取 。 ? 二次指數(shù)平滑值的遞推計算公式為： ? 二次指數(shù)平滑預測模型的形式為： )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）生長曲線法 最著名的費爾哈斯模型 。 費爾哈斯模型的表達式為： ? 費爾哈斯模型的圖像是一條 s型曲線 ， 大體可分為三段 ， 即緩慢增長階段 、 快速增長階段和平穩(wěn)階段 ，其中 ， 平穩(wěn)階段的 p=a/b可視為 “ 飽和值 ” 。 )(0000)()( ttaebpabp aptp ????? 5） 灰色預測方法 灰色預測方法一般利用時序列數(shù)據(jù) ， 通過建立 GM（ 1，1） 模型進行預測 。 該預測方法具有以下特點： ① 不需用大量樣本； ② 預測精度較高； 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 可以進行長期預測 。 用 GM（ 1,1） 模型進行灰色預測的步驟是： ① 對原始時序列數(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）灰色預測方法 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間響應函數(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）灰色預測方法 ④對時間響應函數(shù)求導還原得預測方程： ⑤ 利用歷史數(shù)據(jù)對預測模型進行精度檢驗； ⑥ 通過預測方程進行預測 。 ateauxatx ????? ))1(()1( )0()0( 6）馬爾柯夫預測法 馬爾柯夫主要研究事物狀態(tài)轉(zhuǎn)移 ， 他經(jīng)過多次試驗發(fā)現(xiàn) ， 一個系統(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 ，只與當前所處狀態(tài)有關 ， 與其他無關 。 其遞推公式為： 經(jīng)常使用馬爾柯夫預測法對市場占有率進行預測 。 馬爾柯夫市場占有率預測的一般步驟為：調(diào)查目前的市場占有率情況；調(diào)查消費者的變動情況；建立數(shù)學模型；預測未來市場的占有率 。 ??????????????????nnnnnnnnPPPPPPPPPtStStStStStStS?????????2122221112112121 ))(),(),((())1(),1(),1(()1( 7）自回歸預測法 自回歸預測法的原理為：時間序列的觀察值之間往往是高度相關的。其一般模型如下： 上式的意義就是通過回歸分析 ， 建立第 t年的值與第t1， t2， ? ， tp年的值的關系 ， 通過這個關系來作前向預測 ， 其實質(zhì)就是對事物發(fā)展特征曲線的擬合 ， 并進一步推知其未來的發(fā)展軌跡 。 tptpttt eyyyy ????? ??? ??? ?2211 8） 神經(jīng)網(wǎng)絡預測法 神經(jīng)網(wǎng)絡 ， 特別是反向傳播網(wǎng)絡在許多領域都得到廣泛應用 。 該方法在函數(shù)逼近 、 模式識別 、 數(shù)據(jù)壓縮等領域的應用實踐充分證明 ， 通過該方法獲得的結(jié)果與實際結(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)絡的方法建立數(shù)學模型 ， 擬合歷史數(shù)據(jù)的變化曲線 ，
教學課件相關推薦
鄂ICP備17016276號-1