《库存控制模型技术与仿真》第4章库存管理中的需求预测.pptVIP

4.3 时间序列预测技术 4.3.2 简单移动平均数法 一次移动平均预测法，使用起来比较简单，但是由于受加入平均值之中的前面月份销售量的影响，预测结果会出现滞后偏差，这时如果近期内情况变化发展较快，利用一次移动平均预测就不太适宜。这是由于一次移动平均对分段内部的各数据同等对待，而没有特别强调近期数据对预测值的影响。 为了解决一次移动平均预测法的滞后偏差问题，可以采取二次移动平均方法。 4.3 时间序列预测技术 4.3.2 简单移动平均数法 二次移动平均预测法是在求得一次移动平均数的基础上，对有线性趋势的时间序列所作的预测。在以一次移动平均数组成的序列为一个新的时间序列的基础上，再一次进行移动平均，其预测公式为： 在此基础上，对有线形趋势的时间序列做出预测，其预测公式为： 式中： 4.3 时间序列预测技术 4.3.2 简单移动平均数法 例 某物资企业统计了某年度1月至11月的钢材实际销售量，统计结果见下表，请用二次移动平均预测法预测其12月的钢材销售量。 12 23100 6 25400 11 23100 5 25200 10 21400 4 23800 9 22600 3 23400 8 21900 2 25700 7 22400 1 实际销售量 (吨) 月份 实际销售量 (吨) 月份 4.3 时间序列预测技术 4.3.2 简单移动平均数法 解： 先计算上表所给时间序列的一次移动平均值及二次移动平均值，其中N=3。 24167 24800 12 24111 24133 25400 11 23522 24300 25200 10 22956 24067 23800 9 22289 23967 23400 8 22211 22533 25700 7 22367 23100 6 21967 23100 5 22300 21400 4 22600 3 21900 2 22400 1 二次移动平均值Mt(2) N=3 一次移动平均值Mt(1) N=3 实际销售额(万元) 月份 4.3 时间序列预测技术 4.3.2 简单移动平均数法 再计算二次平均预测法中参数的取值，有： 由此得到预测模型： 则12月的销售量预测值为： 4.3 时间序列预测技术 4.3.3 加权移动平均数法 用移动平均数进行预测是将各期数据的重要性等同对待，如果考虑各期数据的重要性，对每个序列值乘以加权因子，则时间序列的加权平均值序列为： 式中： 为加权因子，应满足： 以 作为下一期预测值，即 则预测模型为： 4.3 时间序列预测技术 4.3.3 加权移动平均数法 该模型既可体现对原始数据的平滑，又考虑了原序列各期值的重要性程度，预测结果一般比只考虑趋势的移动平均数法更接近实际。 由上述模型可见，预测值 是由N期数据按一定比例组成的，一般情况下，近期数据对预测值的影响大， 应选较大的值，历史上远期数据对预测值的影响小， 应选较小的值。 4.3 时间序列预测技术 4.3.4 修正移动平均数法 当时间序列呈现增长或减少趋势时，采用移动平均数法将产生滞后现象。 假设时间序列呈线性增长趋势，则方程为： 当 增加至 时，序列值为： 但采用移动平均数法预测时，预测值为： 二者之差为： 故在 期，移动平均数法的预测值滞后了 。 基本思路：实际上也是一种加权平均法。 把下一期的预测值yt+1看作等于上一期实际值Xt的α 倍加上上一期预测值yt的（1-α ）倍之和。 公式： 其中： α 为指数平滑指数，0≤ α ≤ 1 4.3.5 指数平滑法 4.3 时间序列预测技术 公式： 4.3 时间序列预测技术 4.3.5 指数平滑法 公式： α=1 α=0.7 α=0.3 4.3 时间序列预测技术 4.3.5 指数平滑法 内容概要 库存管理中的需求预测 4.2 定性预测技术 4.3 时间序列预测技术 4.4 回归分析预测技术 4.1 库存管理中预测的特征和作用 * * * * * * 内容提要 绪论 库存系统建模及方法 库存管理方法与决策 库存管理中的需求预测 独立需求控制系统模型 非独立需求库存控制系统模型 供应链管理下的库存控制模型 供应链中的循环库存管理模式 仓库选址与布局 仓库配送线路规划 仓库运输路径规划与车辆调度 RaLC仿真软件在物流中心规划中的应用 4.0 预测 4.0 预测 预测就是人们对某一不确定的或未知事件的表述。 从本质上看，预测是以变化为前提的。如果没有变化，预测也就不存在了，可以说预测就是掌握变化的规律。