第四章--物流系统预测.ppt

整理ppt 整理ppt 例题2 某物资企业统计了某年度1月至11月的钢材实际销售量，统计结果见表4—2，请用移动平均预测法预测其12月的钢材销售量。 月份 实际销量 (吨) 移动平均数Mt(1) n=3 n=6 1 22400 2 21900 3 22600 4 21400 22300 5 23100 21967 6 23100 22367 7 25700 22533 22417 8 23400 23967 22967 9 23800 24067 23216 10 25200 24300 23416 11 25400 24133 24049 12 24800 24433 七. 移动平均预测法 整理ppt 计算结果图表显示 从图上可以看出： （1）用移动平均法计算出的新数列的变化趋势与实际变化情况基本一致； （2）新数列数据波动的范围变小了，并且随参与平均值计算的n值的增加，平均值的波动范围越小。(修匀能力、抗干扰能力) （3）当n值增大，移动平均值对时间序列变化的敏感性降低。 整理ppt 移动平均法对时间序列数据变化的抗干扰能力叫修匀能力。 移动平均法对时间序列数据变化的反应速度叫敏感性。 移动平均法的修匀能力与敏感性相互矛盾。 当n值增大，移动平均值的修匀能力增加，但同时移动平均值对时间序列变化的敏感性降低。 要根据时间序列的特点来确定n值的大小。 n值的一般选择原则是： （1）由时间序列的数据点的多少而定。数据点多，n可以取得大一些； （2）由时间序列的趋势而定。趋势平稳并基本保持水平状态的，n可以取得大一些； （3）趋势平稳并保持阶梯性或周期性增长的n应该取得小一些； 七. 移动平均预测法 期序 历史 数据 一次平均n=3 一次平均n=5 1 10 2 15 3 20 4 25 15 5 30 20 6 35 25 20 7 40 30 25 8 45 35 30 9 50 40 35 10 55 45 40 （1）简便易于使用； （2）一次移动平均法能较好地适应水平型历史数据的预测，但不适应带有明显上升或下降的斜坡型历史数据的预测。 主要缺点：由于对分段内部的各数据同等对待，而没有强调近期数据对预测值的影响，如果近期内情况变化发展较快，利用一次移动平均预测会导致较大的误差。 实际上，近期数据对预测值的影响一般更大，为了减少这种误差，可以采取二次移动平均方法。 整理ppt 期序 历史 数据 一次平均n=3 二次平均n=3 1 10 2 15 3 20 4 25 15 5 30 20 6 35 25 7 40 30 20 8 45 35 25 9 50 40 30 10 55 45 35 从图上可以看出，一次移动平均值滞后于历史数据，而二次移动平均值又落后于一次移动平均值。 启示：根据历史数据、一次移动平均值、二次移动平均值三者间的滞后关系，可以先求出一次移动平均值与二次移动平均值之间的差值，然后将此差值加到一次移动平均值上，再考虑其趋势变动值，得到接近实际情况的预测值。（二次移动平均预测法的基本思想） 整理ppt 2. 二次移动平均预测法 二次移动平均预测法是在求得一次移动平均数、二次移动平均数的基础上，对有线性趋势的时间序列所作的预测。步骤如下： （1）计算一次移动平均值 （2）计算二次移动平均值 其中：Mt(1)—— t时刻的一次移动平均值 Mt(2)——t时刻的二次移动平均值； n：——参与二次平均计算的一次移动平均值的个数 （3）对有线性趋势的时间序列做预测 其中： 七. 移动平均预测法 例题 某物资企业某年度1月至11月的钢材实际销售量，用二次移动平均预测法预测其12月的钢材销售量。 月份 实际 销售量 一次平均数 Mt(1) 二次平均数 Mt(2) Mt(1)- Mt(2) at bt 预测值yt+T 取T=1 (1) (2) (3) (4) (5)= (3)-(4) (6)= (3)+(5) (7)= (8)= (6)+(7)*T 1 22400 2 21900 3 22600 4 21400 22300 5 23100 21967 6 23100 22367 7 25700 22533 22211 322 22856 322 23178 8 23400 23967 22289 1678 25645 1678 27322 9 23800 24067 22956 1111 25178 1111 26289 10 25200 24300 23522 778 25078 778 25856 11 25400 24133 24111 22 24155 22 24177 12 24800 24167 633 25433 63