《第2章 物流需求预测》由会员分享，可在线阅读，更多相关《第2章 物流需求预测（28页珍藏版）》请在金锄头文库上搜索。
1、第二章第二章 物流需求预测物流需求预测本章将讨论以下几个方面的内容：本章将讨论以下几个方面的内容：v物流需求预测的概念v物流需求预测的原则和类型v物流需求预测的常用方法v 指数平滑预测法物流需求预测的概念v 预测是指对未来不确定事件的预见和推测。 v物流需求，是指各类企、事业单位和个体消费者在社会经济活动过程中，所伴随产生的运输、仓储、装卸搬运、配送等物流活动的需要情况。 v物流需求预测，就是利用历史的资料和市场信息，对未来的物流需求状况进行科学地分析、估算和推断，物流需求预测的意义在于指导和调节人们的物流管理活动，以便采取适当的策略和措施，谋求最大的利益。 物流需求预测的原则 v惯性原则 v
2、类推原则 v相关原则 v概率推断原则 v定性、定量分析相结合原则 物流需求预测的类型v按预测时间长短分类 v 短期预测、近期预测、中期预测和长期预测 v按预测的空间范围分类 v 宏观预测、中观预测和微观预测 v按预测的方法分类 v 定性预测和定量预测 指数平滑预测法 v指数平滑法由美国经济学家布朗（Robert. G. Brown）于1959年在库存管理的统计预测一书中首先提出，指数平滑法的基本思想是，根据实际值与预测值分别以不同权数，计算加权平均数作为下期的预测值。 v一次指数平滑法v二次指数平滑法 v三次指数平滑法 一次指数平滑法 v 是时间序列中时间t上的观察值，样本数为n，时间序列为
3、， 是第 期的预测值。v习惯上常用St表示平滑值 ，上面的式子可写为：v为平滑常数 二次指数平滑法 v二次指数平滑法又称为双重指数平滑法，它是以相同的平滑常数 ，在一次指数平滑的基础上再进行一次平滑。v用 表示一次指数平滑值，用 表示二次指数平滑值 布朗（Brown）单一参数线形指数平滑vm预测超前期数；v 待定参数。v其中： v 三次指数平滑法 v三次指数平滑法又称三重指数平滑。与二次指数平滑法一样，三次指数平滑并不直接用平滑值作为预测值，而用平滑值建立预测模型，再用预测模型进行预测。三次指数平滑一般用于非线形时间序列的预测 。布朗三次指数平滑预测 实例分析实例分析 v深圳市航空物流园区在规
4、划建设阶段需要对园区总货运量进行科学预测，已知深圳机场19922000年9年的航空货运量历史资料，利用指数平滑预测法，对深圳机场2001年2005年航空总货运量进行预测。航空总货运量历史数据表 单位：万吨年份199219931994199519961997199819992000货运量11512265903897350965622607297785789125202169064v采用三次指数平滑的方法v经过多次试算得到，当a=0.63时相对误差较小，计算情况如下表 三次指数平滑法（=0.63）年份ytabcFt+m19921151211512.011512.011512.011512.0199
5、32659021011.117496.515282.225826.312298.11885.119943897332327.126839.822563.539025.515222.901755.540009.419955096544069.037694.232095.851220.214624.11125.556004.019966226055529.348930.342701.562498.613033.7536.766969.819977297766521.460012.753607.673133.611585.2150.176068.919988578978659.971760.5650
6、43.985742.412635.9265.284868.91999125202107981.594579.783651.4123856.734828.23585.698643.52000169064146463.5127266111128.1168568.446845.54233.7162270.5v最终预测结果入下表： 总货运量预测数据表 单位：万吨年份20012002200320042005预测值21.9627.9234.7242.3750.86回归分析预测法 v一般来说，回归就是指研究自变量与因变量之间关系的分析方法。物流需求预测中，物流需求的多少受到多种因素的影响，可以通过在各相关影
7、响因素间建立回归预测模型来实现对物流量的预测。 回归分析预测的基本问题 v变量间相关关系的定性分析 v变量因果关系的确定 v 数学模型的选择 v 回归方程与回归系数的显著性检验 一元回归分析预测 v一元线性回归方程的模型可表述为：v 为回归方程的参数；v未知参数是 自变量， 是因变量；v 为剩余残差项或称随机扰动项。 参数估计v线性回归模型参数的估计方法通常有两种v普通最小二乘法；v最大似然估计法。v最小二乘法的中心思想是通过数学模型，配合一条较为理想的趋势线，这条趋势线必须满足以下要求：v原数列的观测值与模型估计值的离差平方和为最小；v原数列的观测值与模型估计值的离差总和为0。 v根据最小二
8、乘法，各参数的计算方法为：模型显著性检验v物流理论检验 v统计检验 v 相关系数检验 v 检验 v 检验 利用回归方程进行预测 v点预测 v 将自变量的预测值 代入回归模型所得到的因变量 的值 ，作为与 相对应的 的预测值。v区间预测 v 在显著水平 下，预测值的 置信区间为：v 多元回归分析预测 v多元回归分析预测主要包括以下步骤：v 多元线性回归因素分析v 多元线性回归模型的建立 v 多元线性回归模型的检验 v 利用回归方程进行预测 实例分析 v深圳市航空物流园区在规划建设阶段需要对园区总货运量进行科学预测，而影响物流园区货运量的因素很多，其中可以量化的最主要因素包括深圳市国内生产总值（G
9、DP）等。下面以深圳市GDP作为自变量，以深圳机场总货运量作为因变量进行一元回归分析。 深圳市机场货运量与GDP数据表年份深圳机场货运量（吨）深圳市GDP（亿元）199211512317.32199326590449.29199438973615.19199550965795.70199662260950.041997729771130.011998857891289.0219991252021436.0320001690641655.47v设深圳市GDP值为，深圳机场货运量为，绘制散点图 v建立二次曲线模型： v式中： 为深圳市航空物流园区总货运量；v 为深圳市国内生产总值；v 为回归系数。v利用最小二乘法进行参数计算，得到：v回归模型：v根据深圳市“十五”及2015年现代物流业发展规划专题报告之二中的预测，到2005年深圳市GDP值可达到2800亿元。v用深圳市GDP的预测值和上述模型，预测深圳机场2005年货运总量 ： =491 807.16（吨）
