需求預(yù)測方法-(2)
《需求預(yù)測方法-(2)》由會員分享,可在線閱讀,更多相關(guān)《需求預(yù)測方法-(2)(8頁珍藏版)》請在裝配圖網(wǎng)上搜索。
需求預(yù)測方法 常用的物資需求預(yù)測方法主要包括基于時間序列模型的移動平均預(yù)測法、指數(shù)平滑預(yù)測法、趨勢外推預(yù)測法等;基于因果分析模型的回歸分析預(yù)測法,基于統(tǒng)計學(xué)習(xí)理論以及結(jié)構(gòu)風(fēng)險最小原理的支持向量機預(yù)測方法,基于人工智能技術(shù)的人工神經(jīng)網(wǎng)絡(luò)算法。歸納如圖1: 圖1:物資需求預(yù)測方法 一、 時間序列法 1.定義:將預(yù)測對象按照時間順序排列起來,構(gòu)成一個所謂的時間序列,從所構(gòu)成的這一組時間序列過去的變化規(guī)律,推斷今后變化的可能性及變化趨勢、變化規(guī)律,就是時間序列預(yù)測法。 2.概況: 時間序列法主要考慮以下變動因素:①趨勢變動,②季節(jié)變動,③循環(huán)變動,④不規(guī)則變動。 若以St,Tt,Ct,It表示時間序列的季節(jié)因素St,長期趨勢波動、季節(jié)性變動、不規(guī)則變動.則實際觀測值與它們之間的關(guān)系常用模型有 加法模型: 乘法模型: 混合模型: 時間序列預(yù)測一般反映三種實際變化規(guī)律:趨勢變化、周期性變化、隨機性變化。 3.時間序列常用分析方法:移動平均法、指數(shù)平滑法、季節(jié)變動法等 (1)移動平均法 ①簡單移動平均法:將一個時間段的數(shù)據(jù)取平均值作為最新時間的預(yù)測值。該時間段根據(jù)要求取最近的。例如:5個月的需求量分別是10,12,32,12,38。預(yù)測第6個月的需求量??梢赃x擇使用3個月的數(shù)據(jù)作為依據(jù)。那么第6個月的預(yù)測量Q=32+12+383=27。 ②加權(quán)移動平均法:將每個時段里的每組數(shù)根據(jù)時間遠(yuǎn)近賦上權(quán)重。例如:上個例子,3個月的數(shù)據(jù),可以按照遠(yuǎn)近分別賦權(quán)重0.2,0.3,0.5。那么第6個月的預(yù)測量Q=0.232+0.312+0.538=29(只是在簡單移動平均的基礎(chǔ)上考慮了不同時段影響的權(quán)重不同,簡單移動平均默認(rèn)權(quán)重=1.) (2)指數(shù)平滑法 基本思想:預(yù)測值是以前觀測值的加權(quán)和,且對不同的數(shù)據(jù)給予不同的權(quán)數(shù),新數(shù)據(jù)給予較大的權(quán)數(shù),舊數(shù)據(jù)給予較小的權(quán)數(shù)。 指數(shù)平滑法的通用算法: 指數(shù)平滑法的基本公式:St=aYt+(1-a)St-1 式中, St--時間t的平滑值; Yt--時間t的實際值; St-1--時間t-1的平滑值; a--平滑常數(shù),其取值范圍為[0,1] 具體方法:一次指數(shù)平滑、二次指數(shù)平滑、三次指數(shù)平滑。 方法的選?。褐笖?shù)平滑方法的選用,一般可根據(jù)原數(shù)列散點圖呈現(xiàn)的趨勢來確定。當(dāng)時間數(shù)列無明顯的趨勢變化,可用一次指數(shù)平滑預(yù)測。如呈現(xiàn)直線趨勢,選用二次指數(shù)平滑法;若實際數(shù)據(jù)序列呈非線性遞增趨勢,采用三次指數(shù)平滑預(yù)測方法。如呈現(xiàn)拋物線趨勢,選用三次指數(shù)平滑法。或者,當(dāng)時間序列的數(shù)據(jù)經(jīng)二次指數(shù)平滑處理后,仍有曲率時,應(yīng)用三次指數(shù)平滑法。 (3)季節(jié)變動法 根據(jù)季節(jié)變動特征分為:水平型季節(jié)變動和長期趨勢季節(jié)變動 ①水平型季節(jié)變動: 是指時間序列中各項數(shù)值的變化是圍繞某一個水平值上下周期性的波動。若時間序列呈水平型季節(jié)變動,則意味著時間序列中不存在明顯的長期趨勢變動而僅有季節(jié)變動和不規(guī)則變動。 季節(jié)指數(shù)=各年同季(月)平均數(shù)/總平均數(shù) 季節(jié)變差=各年同季(月)平均數(shù)-總平均數(shù) ②長期趨勢季節(jié)變動:是指時間序列中各項數(shù)值一方面隨時間變化呈現(xiàn)季節(jié)性周期變化,另一方面隨著時間變化而呈現(xiàn)上升(或下降)的變化趨勢。 季節(jié)指數(shù)=各年同季(月)平均數(shù)/趨勢值 季節(jié)變差=各年同季(月)平均數(shù)-趨勢值 季節(jié)變動預(yù)測的方法很多,應(yīng)用時應(yīng)根據(jù)季節(jié)變動的類型選擇適應(yīng)的預(yù)測方法 若時間序列呈長期趨勢季節(jié)變動,則意味著時間序列中不僅有季節(jié)變動、不規(guī)則變動,而且還包含有長期趨勢變動。 (4)趨勢外推法 趨勢外推預(yù)測法是一種通過邏輯推理分析,以期達(dá)到預(yù)測效果的預(yù)測方法。其主要以事物發(fā)展的規(guī)律性為假設(shè)前提,即認(rèn)為只要能夠正確地了解并且掌握事物歷史及現(xiàn)有的發(fā)展?fàn)顟B(tài),就能夠遵循其發(fā)展規(guī)律來預(yù)測事物的未來發(fā)展趨勢。趨勢外推預(yù)測方法是一種探索型的預(yù)測方法,其主要適用于預(yù)測那些時間序列隨著單位時間的增加或者減少,出現(xiàn)變化大致相同的長期需求預(yù)測。 4.時間序列建模 時間序列是同類型指標(biāo)值按時間順序排列而形成的數(shù)列。很多行業(yè)特別是金融行業(yè)會產(chǎn)生大量的時間序列,如經(jīng)濟(jì)數(shù)據(jù)、股市數(shù)據(jù)等。要從這些數(shù)據(jù)中得到有用的數(shù)據(jù),需要采用數(shù)據(jù)挖掘的技術(shù),而建模是影響數(shù)據(jù)挖掘效果的一個重要因素,對于時間序列數(shù)據(jù)而言更是如此。 以下是時間序列建模的常用方法。 典型的時間序列模型有ARMA,HMM等基于模型的表示方法。 1.隱Markov模型(HMM)(matlab求解) 隱馬爾可夫模型(Hidden Markov Model,HMM)是統(tǒng)計模型,它用來描述一個含有隱含未知參數(shù)的馬爾可夫過程。其難點是從可觀察的參數(shù)中確定該過程的隱含參數(shù)。然后利用這些參數(shù)來作進(jìn)一步的分析,例如模式識別。HMM是一種不完全數(shù)據(jù)的統(tǒng)計模型,這種模型既能反映對象的隨機性,又能反映對象的潛在結(jié)構(gòu),便于利用對象的結(jié)構(gòu)與局部聯(lián)系性質(zhì)等方面的知識,以及對研究對象的直觀與先驗的了解。HMM理論的主要內(nèi)容包括3個基本問題及其算法: *1 評估問題: 前向算法 *2 解碼問題: Viterbi算法 *3 學(xué)習(xí)問題: Baum-Welch算法(向前向后算法)[1] 2.自回移動平局模型(ARMA)(可以用SPSS和matlab求解) ARMA用于對平穩(wěn)時間序列的建模,是一類基于自相關(guān)的時間序列分析模型。ARMA模型是AR模型和MA模型的綜合,描述了系統(tǒng)對過去自身狀態(tài)的記憶和系統(tǒng)對過去時刻進(jìn)入系統(tǒng)的噪聲的記憶。近年來,許多成果將ARMA模型與時間序列挖掘方法相結(jié)合,用于研究時間序列的預(yù)測、分類、聚類以及相似查找等。 ARMA模型的基本思想是,時間序列數(shù)據(jù)的當(dāng)前值x,不僅受當(dāng)前干擾的影響,還與歷史數(shù)據(jù)以及歷史干擾緊密相關(guān)。一旦時間序列的這種自相關(guān)性能夠被定量確定,就可以對其建立合適的ARMA模型。 綜上所述,沒有一個模型能普遍適用于不同的應(yīng)用,實際中的時間序列建模方法都是與特定應(yīng)用相關(guān)的,由于應(yīng)用的關(guān)注角度不同,實際的時間建模方法也有顯著的差異。 二、 因果分析法 1.定義:是根據(jù)事物之間的因果關(guān)系來預(yù)測事物的發(fā)展和變化,通過對需求預(yù)測目標(biāo)有直接或間接影響因素的分析找出其變化的規(guī)律,并根據(jù)這種變化規(guī)律來確定預(yù)測值。因果關(guān)系模型用于研究不同變量之間的相關(guān)關(guān)系,用一個或多個自變量(多括時間)的變化來描述因變量的變化。 2.因果關(guān)系模型與時間序列模型不同:它不僅可以從事短期預(yù)測,而且還可以從事中、長期預(yù)測,也可以預(yù)測宏觀、中觀、微觀問題。 3.因果關(guān)系模型包括:回歸分析、經(jīng)濟(jì)計量模型、投入產(chǎn)出模型、灰色系統(tǒng)模型、系統(tǒng)動力學(xué)等。 ①回歸分析方法 回歸分析預(yù)測法是基于因果分析的預(yù)測方法,其主要通過分析與預(yù)測事物有關(guān)的現(xiàn)象的變化趨勢,從因果關(guān)系出發(fā),探究預(yù)測事物及其相關(guān)影響因子間的相互聯(lián)系,通過回歸方程的構(gòu)建,來預(yù)測未來需求。按照回歸模型中自變量的多少,回歸分析預(yù)測模型可以劃分為一元以及二元回歸模型兩大類。 (a) 一元回歸預(yù)測模型 一元回歸預(yù)測模型是指通過采用最小二乘法,尋找唯一自變量與因變量之間經(jīng)驗公式的預(yù)測方法。其首先需要確定唯一自變量,即找出影響預(yù)測目標(biāo)的關(guān)鍵因素,然后通過最小二乘法求出回歸方程系數(shù),最后還需進(jìn)行顯著性檢驗,即對回歸方程中自變量與因變量的密切程度進(jìn)行檢驗。 (b)多元回歸預(yù)測模型 一元回歸預(yù)測模型是影響因素通過關(guān)鍵影響因素作為唯一自變量來解釋因變量的變化的預(yù)測方法,但在實際情況中,致使因變量變化的因素可能涉及多個,這就需要引入多元回歸預(yù)測模型來完成預(yù)測的實現(xiàn)了,通過引用若干個影響因子作為自變量來解釋因變量的變化趨勢。雖然,多元回歸的原理與一元回歸模型沒有區(qū)別,但是在計算上卻更為復(fù)雜,不僅需要考慮所有自變量與因變量之間的相關(guān)性檢驗,還需要研究自相關(guān)、偏相關(guān)、多變量共相關(guān)等問題。 ②經(jīng)濟(jì)計量法 經(jīng)濟(jì)計量法是經(jīng)濟(jì)分析與數(shù)學(xué)方法相結(jié)合的一種預(yù)測方法。 通常將描述預(yù)測對象有關(guān)主要變量相互關(guān)系的一組聯(lián)立方程式稱為經(jīng)濟(jì)計量模型。 特點:經(jīng)濟(jì)系統(tǒng),而不是單個經(jīng)濟(jì)活動;相互依存、互為因果,而不是單向因果關(guān)系; 必須用一組方程才能描述清楚。 經(jīng)濟(jì)計量模型的方程形式: 單方程計量經(jīng)濟(jì)學(xué)模型,是用單一方程描述某一經(jīng)濟(jì)變量與影響該變量變化的諸因素之間的數(shù)量關(guān)系。它適用于單一經(jīng)濟(jì)現(xiàn)象的研究,揭示其中的單向因果關(guān)系。 聯(lián)立方程模型則用多個方程描述經(jīng)濟(jì)系統(tǒng)中諸因素之間的數(shù)量關(guān)系。它適用于復(fù)雜經(jīng)濟(jì)現(xiàn)象的研究,在復(fù)雜的經(jīng)濟(jì)現(xiàn)象中,諸因素之間是相互依存、互為因果的。 單一方程式:例如:Y=X1+X2+X3 聯(lián)立方程式:例如:Y1=X1;Y2=Y1+X2+X3;Y3=Y2+X2 ③投入產(chǎn)出分析法 投入產(chǎn)出分析法是反映經(jīng)濟(jì)系統(tǒng)各部分(如各部門、行業(yè)、產(chǎn)品)之間的投入與產(chǎn)出間的數(shù)量依存關(guān)系,并用于經(jīng)濟(jì)分析、政策模擬、經(jīng)濟(jì)預(yù)測、計劃制定和經(jīng)濟(jì)控制等的數(shù)學(xué)分析方法。它是經(jīng)濟(jì)學(xué)與數(shù)學(xué)相結(jié)合的產(chǎn)物,屬交叉科學(xué)。 在收集資料確定本期企業(yè)投入產(chǎn)出平衡表基礎(chǔ)上,可以計算出各種消耗系數(shù)。假設(shè)企業(yè)設(shè)備和技術(shù)條件不變的條件下,就可以根據(jù)投入產(chǎn)出表建立的綜合平衡模型進(jìn)行預(yù)測應(yīng)用,為計劃管理、生產(chǎn)安排提供信息依據(jù)。 常見的有以下兩種應(yīng)用 : a)已知計劃期內(nèi)各種自產(chǎn)產(chǎn)品總產(chǎn)量列向量X,求最終產(chǎn)品量列向量Y,以及為確保計劃完成所必須準(zhǔn)備的各種外購資源消耗總量的矩陣H。 b)已知計劃期內(nèi)最終產(chǎn)品計劃任務(wù)矩陣Y,計算計劃期內(nèi)各產(chǎn)品的總產(chǎn)量列向量X,以及確保計劃完成所必須提供的各種外購資源H矩陣。 ④灰色預(yù)測模型 定義:灰色系統(tǒng)是指相對于一定的認(rèn)識層次,系統(tǒng)內(nèi)部的信息部分已知,部分未知,即信息不完全,半開放半封閉的。 灰色預(yù)測是對灰色系統(tǒng)進(jìn)行的預(yù)測,其特點是預(yù)測模型不是唯一的;一般預(yù)測到一個區(qū)間,而不是一個點;預(yù)測區(qū)間的大小與預(yù)測精度成反比,而與預(yù)測成功率成正比。 通?;疑A(yù)測所用的模型為GM(1,1),該模型基于隨機的原始時間序列,經(jīng)累加生成新的時間序列,其中所呈現(xiàn)的規(guī)律用一階線性微分方程的解來逼近,從而得到預(yù)測方程。 適用于:中長期預(yù)測。 應(yīng)用:在預(yù)測應(yīng)用上,如氣象預(yù)報、地震預(yù)報、病蟲害預(yù)報等,國內(nèi)學(xué)者做出了許多有益的研究。 優(yōu)勢:所需樣本少,樣本不需要有規(guī)律性分布,更能動態(tài)地反映系統(tǒng)最新的特征,這實際上是一種動態(tài)預(yù)測模型。預(yù)測準(zhǔn)確度高。 (3)支持向量機預(yù)測模型 支持向量機(SVM)方法是一種小樣本的機器學(xué)習(xí)算法,其是在統(tǒng)計學(xué)習(xí)理論以及結(jié)構(gòu)風(fēng)險最小原則的基礎(chǔ)上探討所得的一種算法。通過對有限樣本信息的分析研究,在模型復(fù)雜性(針對特定訓(xùn)練樣本的學(xué)習(xí)精度)以及學(xué)習(xí)能力(準(zhǔn)確識別樣本的能力)之間尋求一個最佳平衡點,以獲得最佳的推廣能力。其核心思想是通過非線性變換將輸入空間變換到一個高維空間,然后在新空間中求取最好的線性分類面,非線性變換的完成主要是依靠準(zhǔn)確定義合適的內(nèi)積函數(shù),其最優(yōu)分離超平面,如圖2所示。 圖2:最優(yōu)分離超平面 支持向量機算法優(yōu)點較多,包括計算便捷、通用性強等。但其也存在一定的缺陷,即無法對大規(guī)模訓(xùn)練樣本實施運算,因為支持向量機算法是通過二次規(guī)劃來進(jìn)行求解的,二次規(guī)劃求解過程中要涉及多階矩陣的計算問題,當(dāng)階數(shù)過大的條件下,將會在很大程度上損耗計算機的存儲空間且增加機器的運算時間。 (4)BP神經(jīng)網(wǎng)絡(luò)模型 BP神經(jīng)網(wǎng)絡(luò)模型,是目前神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型中最具代表性、應(yīng)用最普遍的模型。BP神經(jīng)網(wǎng)絡(luò)架構(gòu)是由數(shù)層互相連結(jié)的神經(jīng)元組成,通常包含了輸入層、輸出層及若干隱藏層,各層包含了若干神經(jīng)元。 神經(jīng)網(wǎng)絡(luò)便于依照學(xué)習(xí)法則,透過訓(xùn)練以調(diào)整連結(jié)鏈加權(quán)值的方式來完成目標(biāo)的收斂。所得的神經(jīng)網(wǎng)絡(luò)構(gòu)架結(jié)構(gòu)基本形式.BP神經(jīng)網(wǎng)絡(luò)的神經(jīng)采用的傳遞函數(shù)一般都是Sigmoid(S壯彎曲)型可微函數(shù),是嚴(yán)格的遞增函數(shù),在線性和非線性之間顯現(xiàn)出較好的平衡,所以可實現(xiàn)輸入和輸出間的任意非線性映射,適用于中長期的預(yù)測;優(yōu)點是逼近效果好,計算速度快,不需要建立數(shù)學(xué)模型,精度高;理論依據(jù)堅實,推導(dǎo)過程嚴(yán)謹(jǐn),所得公式對稱優(yōu)美,具有強非線性擬合能力。缺點是無法表達(dá)和分析被預(yù)測系統(tǒng)的輸入和輸出間的關(guān)系,預(yù)測人員無法參與預(yù)測過程;收斂速度慢,難以處理海量數(shù)據(jù),得到的網(wǎng)絡(luò)容錯能力差,算法不完備(易陷入局部極小)。 三、新產(chǎn)品市場需求預(yù)測模型 巴斯模型 巴斯模型基礎(chǔ)假設(shè)及適用條件 1. 巴斯模型假設(shè):新產(chǎn)品在市場上擴(kuò)散速度會受到兩種方式的影響:一種是大眾傳播媒介,另一種是口碑傳播。 2. 巴斯模型的適用條件:(1)企業(yè)已經(jīng)引入了新產(chǎn)品或者新技術(shù),并且已經(jīng)觀察到它最初幾個時期的銷售情況。(2)企業(yè)還沒有引入該產(chǎn)品或者新技術(shù),但是該產(chǎn)品或者技術(shù)在某些方面同已有一些銷售歷史的某種現(xiàn)有產(chǎn)品或技術(shù)很相似。 巴斯模型有幾個關(guān)鍵的假設(shè)條件,巴斯模型最重要的假設(shè)條件極其可能的擴(kuò)展如下: (1)市場潛量保持恒定。 (2)支持新產(chǎn)品的營銷策略不影響新產(chǎn)品的采用過程。 (3)消費者決策過程是二元的(只有 “接受”和“不接受”兩種答案)。 (4)q的值在新產(chǎn)品的整個生命周期里保持固定不變。 (5)模仿常具有積極作用。 (6)創(chuàng)新產(chǎn)品的采用不受其他創(chuàng)新是否被采用的影響。 (7)該創(chuàng)新產(chǎn)品不存在重復(fù)購買或者替代購買。- 1.請仔細(xì)閱讀文檔,確保文檔完整性,對于不預(yù)覽、不比對內(nèi)容而直接下載帶來的問題本站不予受理。
- 2.下載的文檔,不會出現(xiàn)我們的網(wǎng)址水印。
- 3、該文檔所得收入(下載+內(nèi)容+預(yù)覽)歸上傳者、原創(chuàng)作者;如果您是本文檔原作者,請點此認(rèn)領(lǐng)!既往收益都?xì)w您。
下載文檔到電腦,查找使用更方便
15 積分
下載 |
- 配套講稿:
如PPT文件的首頁顯示word圖標(biāo),表示該PPT已包含配套word講稿。雙擊word圖標(biāo)可打開word文檔。
- 特殊限制:
部分文檔作品中含有的國旗、國徽等圖片,僅作為作品整體效果示例展示,禁止商用。設(shè)計者僅對作品中獨創(chuàng)性部分享有著作權(quán)。
- 關(guān) 鍵 詞:
- 需求預(yù)測 方法
鏈接地址:http://zhongcaozhi.com.cn/p-10857344.html