《物流工程课件10172学习资料.ppt》由会员分享，可在线阅读，更多相关《物流工程课件10172学习资料.ppt（96页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、物流工程课件101725.1 物流预测概述5.1.1 物流预测的理论物流预测的理论2.物流预测的可行性l大宗货物或大流量一般来说相对稳定l大宗货物的发送和到达比较集中l一些重要物资的产运系数（运量与生产量的比率）在短期内比较稳定l主要货流的平均运程相对稳定，其变动规律也可以探讨l现代统计制度可以提供相当部分预测所需要的基础资料25.1 物流预测概述5.1.1 物流预测的理论物流预测的理论2.物流预测的可行性l一些物资的需求和生产有其自身规律性，从而为物流预测提供有价值的信息l企业可以积累物流预测的许多资料35.1 物流预测概述5.1.2 物流预测的分类物流预测的分类1.物流预测的角度进行分类l
2、宏观预测l微观预测2.物流服务的供求关系l物流服务的需求预测l物流服务的供给预测45.1 物流预测概述5.1.2 物流预测的分类物流预测的分类 3.物流预测的时间长度进行分类l短期预测l中期预测l长期预测55.1 物流预测概述5.1.3 物流预测的步骤物流预测的步骤l 确定预测目标l 收集、分析有关资料l 选择预测方法进行预测l 分析评价预测方法及预测结果l 修正预测结果l 提交预测报告65.1 物流预测概述5.1.3 物流预测的方法物流预测的方法l 定性法l 历史映射法l 因果法75.2 物流预测概述5.2.1 区域、社会等物流宏观预测区域、社会等物流宏观预测 1.增长系数模型85.2 物流
3、预测概述5.2.1 区域、社会等物流宏观预测区域、社会等物流宏观预测 1.增长系数模型95.2 物流预测概述5.2.1 区域、社会等物流宏观预测区域、社会等物流宏观预测 2.回归分析法（因素分析法）一元线性回归分析预测法，是根据自变量x和因变量Y的相关关系，建立x与Y的线性回归方程进行预测的方法。由于市场现象一般是受多种因素的影响，而并不是仅仅受一个因素的影响。所以应用一元线性回归分析预测法，必须对影响市场现象的多种因素做全面分析。只有当诸多的影响因素中，确实存在一个对因变量影响作用明显高于其他因素的变量，才能将它作为自变量，应用一元相关回归分析市场预测法进行预测。10 一元线性回归分析法的预
4、测模型为：11 一元线性回归分析法的预测模型为：123.1 灰色预测理论3.2 GM(1,1)模型 3.3 GM(1,1)残差模型及GM(n,h)模型 3 灰色预测法灰色预测法回总目录133灰灰 色色 预预 测测 理理 论论 一、灰色预测的概念 （1）灰色系统、白色系统和黑色系统 白色系统是指一个系统的内部特征是完全已知的，即系统的信息是完全充分的。回总目录回本章目录14 黑色系统是指一个系统的内部信息对外界 来说是一无所知的，只能通过它与外界的 联系来加以观测研究。灰色系统内的一部分信息是已知的，另一 部分信息是未知 的，系统内各因素间有不 确定的关系。回总目录回本章目录15 灰色预测法是一
5、种对含有不确定因素的系统进行预测的方法。灰色预测是对既含有已知信息又含有不确定信息的系统进行预则，就是对在一定范围内变化的、与时间有关的灰色过程进行预测。（2）灰色预测法回总目录回本章目录16 灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。回总目录回本章目录17 灰色预测法用等时距观测到的反映预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到 某一 特征量的时间。回总目录回本章目录18 （3）灰色预测的四种常见类型 灰
6、色时间序列预测 即用观察到的反映预测对象特征的时间序列来构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。畸变预测 即通过灰色模型预测异常值出现的时刻，预测异常值 什么时候出现在特定时区内。回总目录回本章目录19 系统预测 通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化。拓扑预测 将原始数据做曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点。回总目录回本章目录20 二、生成列 为了弱化原始时间序列的随机性，在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数
7、据处理后的时间序列即称为生成列。回总目录回本章目录21累加累加是将原始序列通过累加得到生成列。灰色系统常用的数据处理方式有累加和累减两种。（1）数据处理方式回总目录回本章目录22 累加的规则:将原始序列的第一个数据作为生成列的第一个数据，将原始序列的第二个数据加到原始序列的第一个数据上，其和作为生成列的第二个数据，将原始序列的第三个数据加到生成列的第二个数据上，其和作为生成列的第三个数据，按此规则进行下去，便可得到生成列。回总目录回本章目录23记原始时间序列为：生成列为：上标1表示一次累加，同理，可作m次累加：回总目录回本章目录24 对非负数据，累加次数越多则随机性弱化越多，累加次数足够大后，
8、可认为时间序列已由随机序列变为非随机序列。一般随机序列的多次累加序列，大多可用指数曲线逼近。回总目录回本章目录25累减 将原始序列前后两个数据相减得到累减生成列 累减是累加的逆运算，累减可将累加生成 列还原为非生成列，在建模中获得增量信息。一次累减的公式为：回总目录回本章目录26三、关联度 关联度分析是分析系统中各因素关联程度的方法，在计算关联度之前需先计算关联系数。（1）关联系数设则关联系数定义为：回总目录回本章目录27式中：为第k个点 称为分辨率，00.950.800.700.70 C0.350.500.650.65 好 合格 勉强合格 不合格回总目录回本章目录413.3 GM(1,1)残
9、差模型及残差模型及GM(n,h)模型模型一、残差模型 若用原始经济时间序列模型检验不合格或精度不理想时，要对建立的GM（1，1）模型进行残差修正或提高模型的预测精度。修正的方法是建立GM（1，1）的残差模型。建立的GM(1,1)回总目录回本章目录42 二、GM（n，h）模型 GM（n，h）模型是微分方程模型，可用于对描述对象做长期、连续、动态的反映。从原则上讲，某一灰色系统无论内部机制如何，只要能将该系统原始表征量表示为时间，并有（N表示自然数集），即可用GM模型对系统进行描述。，序列回总目录回本章目录43 实例，回总目录回本章目录44 实例，回总目录回本章目录45 实例，回总目录回本章目录4
10、6 实例，回总目录回本章目录47 实例，回总目录回本章目录48 实例，回总目录回本章目录495.2 物流预测概述5.2.2 物流微观预测物流微观预测 1.物流企业的需求预测 （1）指数平滑法 指数平滑法是布朗(Robert G.Brown)所提出，布朗(Robert G.Brown)认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续到最近的未来，所以将较大的权数放在最近的资料。指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。简单的全期平均法是对时间数列的过去数据一个不漏地全
11、部加以同等利用；移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。505.2 物流预测概述5.2.2 物流微观预测物流微观预测 1.物流企业的需求预测 （1）指数平滑法 也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。51 1959年由美国学者布朗在库存管理的统计预测一
12、书中提出了指数平滑法。一次指数平滑法二次指数平滑法52一、一次指数平滑法一、一次指数平滑法2、一次指数平滑值的计算公式：1、预测模型（一）模型及适用范围（一）模型及适用范围3、预测模型的含义含义：下期预测值是本期实际值与本期预测值的加权平均。4、一次指数平滑法的适用范围：水平型、短期数据模式。53一、一次指数平滑法一、一次指数平滑法（二）一次指数平滑法的特点（二）一次指数平滑法的特点 1、具有自动调整预测误差的功能当本期 太小，希望；由于 太小，故使+0反之，太大，由于 太大，故使+054一、一次指数平滑法一、一次指数平滑法2、预测值包含所有历史数据（信息量大）55S=1（无穷项之和公式）而移
13、动平均法，其加权按 权数均为，无递减加权规律。3、指数平滑系数按等比数列递减，加权为 数据很多时，=+.+一、一次指数平滑法一、一次指数平滑法56一、一次指数平滑法一、一次指数平滑法（三）加权系数（三）加权系数 和初始值和初始值 的确定的确定 在上述预测模型的分解式中可以看到：要进行预测除了已知若干期历史数据外，还必须确定加权因子 和初始值 ,只有这样才能估算出571 1、加权因子、加权因子 的确定的确定两种方法：两种方法：误差比较分析法误差比较分析法 E=进行比较，误差最小值所对应的 即为最佳值。经验估计法经验估计法 在0 1内选择 当数据为水平模式时，0.01 0.3 当数据为趋势模式时：
14、0.6 0.9；此时跟随效果好一些（二次指数）也可将上述两种方法组合运用。也可将上述两种方法组合运用。当 大些，越近的历史数据对后期预测的作用越大，跟随效果越好 当数据为混合型模式时：0.3 0.6 58 重要提示：重要提示：不同的数据模式所采用的预测方法也不同。y t ty水平型周期变动模式趋势型周期变动模式592 2、初始值、初始值 的确定的确定 则可以计算其算术水平均数或指数平均数作为 若不可能，则按以下方法估算若不可能，则按以下方法估算 可以按以下两种方式估算可以按以下两种方式估算 当n15时，由于初始预测值的影响不再很小，所以需另行估计较，简单的方法是最前面几期的观察值取平均值。当数
15、据n15时，由于初始预测值（）对预测结果影响很小其系数为 可直接用第一期的观测值为初始值即 若在平滑开始时，预测者有过去的数据或其中的一部分，若在平滑开始时，预测者有过去的数据或其中的一部分，60(四四)应用举例应用举例某商场的塑料制品的月度销售资料如表所示，预测第8期的销售额。时期t销售额 (0.1)平滑值 (0.9)预测值08180.1*8+0.9*8=8270.1*7+0.9*8=7.9839.50.1*9.5+0.9*7.9=8.067.947.37.988.065108.187.9868.28.188.18798.268.1888.2661步骤步骤：选择初始值和加权系数 计算各期的平
16、滑指数值例 =0.18+0.98=8 若只须预测第8期，则前面几项的预测值可以不计算。由于一次指数平滑值 多用于具有不规则因素影响的水平型数据模式，故应用范围很有限，人们多用二次指数平滑法预测非水平型数据模式，如线性趋势等。=8；=0.1（论证略）(四四)应用举例应用举例 实际预测-第8期预测值 62二、二次指数平滑法二、二次指数平滑法（一）（一）预测思路预测思路:二次指数平滑法是在一次指数平滑法的基础上，对一次指数平滑法再作一次指数平滑后，求得平滑数，建立预测模型，再进行预测。（二）应用范围（二）应用范围:短期、线性数据模式效果较好。63二、二次指数平滑法二、二次指数平滑法（三）（三）预测步
17、骤预测步骤:2、计算一次、二次指数平滑值=3、计算平滑系数(推导略)同一次指平滑系数；在前已述。1、确定初始值和加权因子4、预测：T-指从t时期到预测期的期数，通常取T=1-第t+T期的预测估计值 64（四）应用实例（四）应用实例 年份实际值 T=1时075075011996750750750750021997835818804.4831.654.431998916896.4878914.673.686841999996976.1956.5995.778.4988.45200010791058.410381078.881.610746200111581138.11118.11158.18011
18、60.47200212401219.61199.31239.981.21238.18200313301307.91286.21329.686.81321.19200414171395.21373.4141787.21416.410200515091486.21463.61508.890.41506.21120061599.265以二次移动平均法实例数据，运用二次指数平滑法进行预测。确定初始值和加权因子 =0.8(经验法，误差比较法略)解题步骤：解题步骤：按公式计算 并列入计算表73中=例：96年，t=1时，其它同理。这两组数据可采用表上作业法计算，简便、直观。（四）应用实例（四）应用实例66（
19、四）应用实例（四）应用实例计算平滑系数=2()=4 如=2818-804.4=831.6=4(818-804.4)=54.4 建立预测模型，并预测(T=1)=1508.8+90.4=1599.29(百万元)说明：对应每一个说明：对应每一个t 都有一模型可进行预测，较为准确的方法是：都有一模型可进行预测，较为准确的方法是：利用本期模型预测下一期预测目标（即利用本期模型预测下一期预测目标（即T=1）试比较67滞后偏差滞后偏差数据点连线数据点连线一一次次平平滑滑二次平滑二次平滑102020406080Xt（万人次）（万人次）t（日）（日）7.3.2 7.3.2 平滑预测法平滑预测法平滑预测法平滑预测
20、法指数平滑法指数平滑法指数平滑法指数平滑法68时间序列分解法时间序列分解法时间序列分解法时间序列分解法某某某某市市市市六六六六年年年年来来来来汽汽汽汽车车货货运运运运量量量量69 时间序列特征：时间序列特征：时间序列特征：时间序列特征：n n趋势性趋势性趋势性趋势性T T：总体上持续上升或下降的总变化趋势，其间：总体上持续上升或下降的总变化趋势，其间：总体上持续上升或下降的总变化趋势，其间：总体上持续上升或下降的总变化趋势，其间的变动幅度可能有时不等。的变动幅度可能有时不等。的变动幅度可能有时不等。的变动幅度可能有时不等。n n季节性季节性季节性季节性S S：以一年为周期，四个季节呈某种周期性
21、，各：以一年为周期，四个季节呈某种周期性，各：以一年为周期，四个季节呈某种周期性，各：以一年为周期，四个季节呈某种周期性，各季节出现波峰和波谷的规律类似。季节出现波峰和波谷的规律类似。季节出现波峰和波谷的规律类似。季节出现波峰和波谷的规律类似。n n周期性周期性周期性周期性C C：决定于系统内部因素的周期性变化规律，又：决定于系统内部因素的周期性变化规律，又：决定于系统内部因素的周期性变化规律，又：决定于系统内部因素的周期性变化规律，又分短周期、中周期、长周期等几种。分短周期、中周期、长周期等几种。分短周期、中周期、长周期等几种。分短周期、中周期、长周期等几种。n n不规则性不规则性不规则性不
22、规则性I I：包括突然性和随机性变动两种。：包括突然性和随机性变动两种。：包括突然性和随机性变动两种。：包括突然性和随机性变动两种。时间序列分解法时间序列分解法时间序列分解法时间序列分解法 任一时间序列可表示为几种变动的不同组合的总结任一时间序列可表示为几种变动的不同组合的总结任一时间序列可表示为几种变动的不同组合的总结任一时间序列可表示为几种变动的不同组合的总结果，且可表示为：果，且可表示为：果，且可表示为：果，且可表示为：n n 加法模型：加法模型：加法模型：加法模型：Y=T+S+C+IY=T+S+C+In n 乘法模型：乘法模型：乘法模型：乘法模型：Y=TSCIY=TSCI70时间序列分
23、解法时间序列分解法某市六年来汽某市六年来汽车货运量运量时间序列分解序列分解 趋势项趋势项趋势项趋势项 周期项周期项周期项周期项 随机项随机项随机项随机项711 时间序列分解法时间序列分解法 一、时间序列的分解 经济时间序列的变化受到长期趋势长期趋势、季节变动季节变动、周期变动周期变动和不规则变动不规则变动这四个因素的影响。其中：（1）长期趋势因素（T）反映了经济现象在一个较长时间内的发展方向，它可以在一个相当长的时间内表现为一种近似直线的持续向上或持续向下或平稳的趋势。回总目录回本章目录72（2）季节变动因素（S）是经济现象受季节变动影响所形成的一种长 度和幅度固定的周期波动。（3）周期变动因
24、素（C）周期变动因素也称循环变动因素，它是受各 种经济因素影响形成的上下起伏不定的波动。（4）不规则变动因素（I）不规则变动又称随机变动，它是受各种偶然 因素影响所形成的不规则变动。回总目录回本章目录73 二、时间序列分解模型 时间序列y可以表示为以上四个因素的函数，即：时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。回总目录回本章目录74 加法模型为：乘法模型为：回总目录回本章目录75 三、时间序列的分解方法（1）运用移动平均法剔除长期趋势和周期变化，得到序列TC。然后再用按月（季）平均法求出季节指数S。（2）做散点图，选择适合的曲线模型拟合序列的长期趋势，得到长期趋势T。回总目
25、录回本章目录76（3）计算周期因素C。用序列TC除以T即可得到周期变动因素C。（4）将时间序列的T、S、C分解出来后，剩余的即为不规则变动，即：y回总目录回本章目录775.2 物流预测概述 785.2 物流预测概述 795.2 物流预测概述 805.2 物流预测概述 815.2 物流预测概述 825.2 物流预测概述 835.2 物流预测概述 845.2 物流预测概述 855.2 物流预测概述5.2.2 物流微观预测物流微观预测 1.物流中心运输需求预测 物流需求预测物流需求预测是根据物流市场过去和现在的需求状况以及影响物流市场需求变化的因素之间的关系，利用一定的经验判断、技术方法和预测模型，
26、应用合适的科学方法对有关反映市场需求指标的变化以及发展的趋势进行预测。物流需求包括货运需求、仓储需求、配送需求等。865.2 物流预测概述5.2.2 物流微观预测物流微观预测 具体步骤l货源流OD调查l 货流产生预测l 货流分布预测l 物流中心货流分配量875.2 物流预测概述5.2.3 运输周转量及运力预测运输周转量及运力预测 1.运输周转量预测 在运量已定的情况下，取决于地区内生产布局状况、货物的构成、货物的运输方式，以及运输线路的伸延和变化等。885.2 物流预测概述5.2.3 运输周转量及运力预测运输周转量及运力预测 2.运力预测及运力调控 在预测出地内各种运输方式的周转量后，将它除以
27、近期各种运输工具周转量的合理定额，即得到近期运输工具需要量。895.3 物流系统预测分析5.3.1 资料的统计分析资料的统计分析 1.资料的收集 2.资料的统计分析l 可信度分析l 完整性分析l 适用性分析l 时效性分析l 相关性分析905.3 物流系统预测分析5.3.1 资料的统计分析资料的统计分析 3.资料的整理收集l 进行信息分类l 进行信息比较l 进行加工计算l 编写信息资料 915.3 物流系统预测分析5.3.2 影响物流预测的因素影响物流预测的因素J国民经济的发展速度J经济结构的变动J基本建设的规模J能源、冶金等工业的规模、速度与布局J运输结构变化J消费需求的变化925.3 物流系统预测分析5.3.3 预测结果的修正预测结果的修正 1.预测结果的修正935.3 物流系统预测分析5.3.3 预测结果的修正预测结果的修正 （1）平均值法 （2）标准差法945.3 物流系统预测分析5.3.3 预测结果的修正预测结果的修正 2.预测结果的分析处理 （1）模拟误差Sm （2）事后预测误差Sl （3）相对预测误差SR （4）不等系数ST95此课件下载可自行编辑修改，仅供参考！此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢感谢您的支持，我们努力做得更好！谢谢