基于时间序列模型在物流需求预测中应用.docVIP

基于时间序列模型在物流需求预测中应用 　　摘要：本文采用时间序列模型进行物流需求预测，用实例从数据平稳性的判断，平稳化，标准化，建模，经模型的识别、定阶、参数估计和检验，到预测及误差和置信区间的计算，详细地说明了时间序列模型在物流需求预测中是如何应用的。结果表明该ARMA模型能够较好地拟合并可获得较高的中短期预测精度。 　　关键词：物流；物流需求预测；时间序列模型 　　中图分类号：F252文献标识码：A 　　文章编号：1002-3100(2007)09-0096-04 　　 　　Abstract: We carry on logistics demand forecast by taking time-series model and explain its application to logistics demand forecast by justment of data stationary, stead, standardization, modeling, discernment, making steps, parameter estimate and examination to predict, error and calculation of confidential interval. The reason shows that the ARMA model can fit and get better prediction accuracy in the medium and short-time term. 　　Key words: logistics; logistics requirement forecasting; time-series model 　　 　　物流需求是指一定时期内社会经济活动对生产、流通、消费领域的原材料、成品和半成品、商品以及废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和费用方面的要求，涉及运输、库存、包装、装卸搬运、流通加工以及与之相关的信息需求等物流活动的诸方面。 　　物流需求预测是为了制定物流管理计划，而对需求时间、地点、库存单位、装运流量等所进行的预示或估计。精确的需求预测可以促进物流信息系统和生产设施能力的计划和协调。并且通过物流需求预测可以确定产品是如何向配送中心和仓库或零售商进行分配的。物流需求预测的目的在于为社会物流活动提供物流能力供给不断满足物流需求的依据，以保证物流服务的供给与需求之间的相对平衡，使社会物流活动保持较高的效率与效益。在一定时期内，当物流能力供给不能满足这种需求时，将对需求产生抑制作用：当物流能力供给超过这种需求时，不可避免地造成供给的浪费。借助于定性和定量的分析手段，了解社会经济活动对于物流能力供给的需求强度，进行有效的需求管理，引导社会投资有目的地进入物流服务领域，将有利于合理规划、建设物流基础设施，改进物流供给系统。 　　 　　1预测原理 　　 　　2ARMA模型 　　 　　2.1时间序列模型 　　设所构造的模型为ARMAp,q模型，即 　　 　　2.2模型的识别 　　从MA，AR，ARMA模型中选择一个合适的模型的重要性在于能使估计与数据不符合的模型参数风险降到最小。模型选择的算法如下： 　　（1）把时序过程看作MAq模型，确定阶数q，若q太大就拒绝MA模型，否则就接受MA模型，继续后续步骤； 　　（2）把时序过程看作ARMAp,q模型，估计ARp模型的阶数p和AR系数，继续后续步骤； 　　（3）确定ARMAp,q模型的MA阶数。若阶数q≠0，则原序列是ARMAp,q模型，否则是APp模型。 　　 　　3模型定阶及参数估计 　　 　　3.1模型定阶的AIC准则 　　对动态数据进行ARp或者MAq的辩识，可直接用样本自相关函数和样本偏相关函数的截尾性、拖尾性，判断应该用何种模型来拟合。但是如果动态数据序列的自相关函数和偏相关函数都有拖尾现象，则应用AIC准则对动态数据用ARMA模型拟合。 　　3.2ARMA模型的参数估计 　　ARMA模型的参数估计的方法有很多，对平稳正态时间序列，用极大似然估计其模型参数可以提高精度的目的。 　　 　　4预测误差及置信预测区间的计算 　　 　　1步预测值的一个标准误差的置信区间，也就是置信水平为68.3%的置信区间，n是通过平稳化后的有效样本容量： 　　 　　5应用实例 　　 　　云南某公司经销某种产品，为了作好下一年的销售工作，该公司统计了1997~2002年每个月的实际销售量。表1列出了1997~2002年每个月的实际销售量（单位：千件），用随机时间序列预测方法预测2003年各月的销售量。根据预测的值，决定每