问题1：基于ARIMA模型的物流货量预测.pdfVIP

1问题1：基于ARIMA模型的物流货量预测

1.1模型建立与求解

根据物流网络分拣中心货量预测及人员排班数据，通过上述样本数据的分析和处

理，建立货量预测模型，对57个分拣中心未来30天每天及每小时的货量进行预测。本

文采用时间序列ARIMA模型对数据进行各阶段初步求解分析。同时使用指数平滑对模

型进行优化处理，其模型建立和求解的一般步骤如下。

[3]

（一）基于ARIMA模型对我国分拣中心货量预测

通过对从分拣中心2023年8月1日至2023年11月30日的四个月时间跨度的货量

进行考量，为使数据直观化，首先利用SPSS进行建模实现。

步骤一：基于对时间序列较大波动的影响，定义其数学表达式如下：

born−born

tt−1

r=100%(t=1,2,n)(1)

tborn

t

其分拣中心货量序列图如5所示。

图1：分拣中心货量序列图

上述分拣中心货量序列图可以看出，数据呈现波动聚集性（volatilityclustering），

长期来看时间序列平稳，短期来看不平稳，故存在异方差。

yd

步骤二：计均是平稳的时间序列，在阶的单位根过程中，我们建立差分自

t

回归移动平均模型（AutoregressiveIntegratedMovingAverageModel）。数学表达式如

下：

pqpiqi

y=+y++1−Ly=+1+L

t0it−itit−iit0it

i1i1i1i1(2)

WN，2

t()

1

其中，为自回归（AR模型）滞后的阶数，为移动平均（MA模型）滞后的阶

pq

d

数，为差分次数；表示自回归（AR模型）中的相关系数，表示移动平均（AR



ii

模型）中的相关系数，表示白噪声序列。



t