第3章 预测 生产运作管理 教学课件.ppt

（二）一次指数平滑法 式中，SFt+1为（t+1）期一次指数平滑预测值； At为t期实际值； a为平滑系数，它表示赋予实际数据的权重 （0≤a≤1） 上式可以改写成： 月份 实际销售额At 预测值SFt（a=0.4） 预测值SFt（a=0.7） 1 10 11 11 2 12 10.60 10.30 3 13 11.16 11.49 4 16 11.90 12.55 5 19 13.54 14.97 6 23 15.72 17.79 7 26 18.63 21.44 8 30 21.58 24.63 9 28 24.95 28.39 10 18 26.17 28.12 11 16 22.90 21.04 12 14 20.14 17.51 实际需求值是趋势的、季节的、周期的或随机的等多种成分共同作用的结果： 1.趋势成分 — 数据随着时间的变化表现出一种趋向。 2.季节成分 — 在一年里按通常的频率围绕趋势作上下有规则的波动。 3.周期成分 — 在较长的时间里（一年以上）围绕趋势作有规则的上下波动。这种波动常被称作经济周期。 4.随机成分 — 由很多不可控因素引起的、没有规则的上下波动。 时间序列分解模型有两种形式： 乘法模型公式：TF=T*S*C*I 加法模型公式：TF=T+S+C+I 式中，TF为时间序列的预测值；T为趋势成分；S为季节成分；C为周期性变化成分；I为不规则的波动成分。 三、时间序列分解模型 季度 季度序号t 销售量At 4季度总销量 4季度移动平均 夏 1 11800 秋 2 10404 冬 3 8925 春 4 10600 41729 10432.3 夏 5 12285 42214 10553.5 秋 6 11009 42819 10704.8 冬 7 9213 43107 10776.8 春 8 11286 43793 10948.3 夏 9 13350 44858 11214.5 秋 10 11270 45119 11279.8 冬 11 10266 46172 11543.0 春 12 12138 47024 11756.0 某旅游点快餐销售纪录 问题:根据某旅游点快餐销售纪录,预测未来一年各季度的销售量. 估算季节系数 t 1 2 3 4 5 6 7 8 9 10 11 12 At/Tt 1.16 1.01 0.85 0.99 1.13 1.00 0.82 1.00 1.16 0.97 0.87 1.01 季节 夏 秋 冬 春 均值 1.15 1.00 0.85 1.00 预测 13期（夏）：（10000+167×13）1.15=13997 14期（秋）：（10000+167×14）1.00=12338 15期（冬）：（10000+167×15）0.85=10629 16期（春）：（10000+167×16）1.00=12672 第四节 预测误差 第四节 预测监控 一、预测精度测量 预测误差：是指预测值与实际值之间的差异。 （一）平均绝对偏差（MAD） 平均绝对偏差就是这个预测期内每一次预测值与实际值的绝对偏差（不分正负，只考虑偏差量）的平均值，用公式表示： 式中，At表示时段t的实际值；Ft表示时段t的预测值；n是整个预测期内的时段个数（或预测次数）。 MAD能较好地反映预测的精度，当它不容易衡量无偏性。 （二）平均平方误差（MSE） 平均平方误差就是对误差的平方和取平均值。沿用式3.17中的符号， MSE用公式表示为： （三）平均预测误差（MFE） 平均预测误差是指预测误差的和的平均值。用公式表示为： 在式3.19中 被称作预测误差滚动和。如果预测模型是无偏的，RSFE应该接近如零，即MFE应该接近于零。因而MFE能很好地衡量预测模型的无偏性，但它不能够反映预测值偏离实际值的程度 （四）平均绝对百分误差 平均绝对百分误差（MAPE）用公式表示如下： 二、预测监控 跟踪信号：指预测误差滚动和与平均绝对偏差的比值，即： 当实际需求发生时，就应该计算TS。如果预测模型仍然有效，TS应该比较接近于零。反过来，只有当TS在一定范围内（如图3-9所示）时，才认为预测模型可以继续使用。否则，就应该重新选择预测模型。 成都信息工程学院　胡云涛 第三章 需求预测 第3章 需求预测 第一节 预测 第二节 定性预测 第三节 定量预测 第四节 预测误差 第一节 预测 一、预测及其分类