物流系统预测

LOGO物流系统需求预测徐林伟Email:[e-mail]:24886108本讲主要内容一、物流系统需求预测概念二、回归预测的matlab实现三、灰色预测及matlab编程四、BP神经网络预测及matlab编程五、BP神经网络预测案例六、本讲的思考问题与习题1、系统预测的概念古人云：“凡事预则立，不预则废”，“人无远虑，必有近忧”。所谓预测，就是对尚未发生或目前还不确切的事物进行预先的估计和推断，是现时对事物将要发生的结果进行的探讨和研究。一、物流系统需求预测概念广义的预测既包括在同一时期根据已知事物推测未知事物的静态预测，也包括根据某一事物的历史和现状推测其未来的动态预测。狭义的预测，仅指动态预测，即根据事物的未来演化预示预先作出的科学推断。预测理论作为通用的方法论，既能应用于研究自然现象，也能用于研究社会现象。将预测理论、方法与实际问题结合，就产生了预测的各个分支，例如社会预测、人口预测、经济预测、科技预测、气象预测，等等。2、预测方法的分类（一）按预测的范围或层次不同分类1）宏观预测宏观预测是指针对国家或部门、地区的活动进行的各种预测。如对全国和地区社会再生产各环节的发展速度、规模和结构的预测；对社会商品总供给、总需求的规模、结构、发展速度和平衡关系的预测。2）微观预测微观预测是针对基层单位的各项活动进行的各种预测。如对商业企业的商品购、销、调、存的规模、构成变动的预测；对工业企业所生产的具体商品的生产量、需求量和市场占有率的预测等。（二）按预测的时间长短分类可分为长期预测、中期预测、短期预测和近期预测1）长期预测是指对5年以上发展前景的预测。长期经济预测是制定国民经济和企业生产经营发展的十年计划、远景计划，提出经济长期发展目标和任务的依据。2）中期预测是指对1年以上5年以下发展前景的预测。中期经济预测是制定国民经济和企业生产经营发展的五年计划，提出经济5年发展目标和任务的依据。3）短期预测是指对3个月以上1年以下发展前景的预测。它是制定企业生产经营发展年度计划、季度计划，明确规定经济短期发展具体任务的依据。4）近期预测是指对3个月以下企业生产经营状况的预测，它是制定企业生产发展月、旬计划，明确规定近期经济活动具体任务的依据。（三）按预测方法的性质来分类一般可分为定性预测和定量预测，分别都有很多种不同的预测方法，这些方法又可归纳为三类：定性预测法、时间序列预测法、因果关系预测法。1)定性（Qualitative）预测法所谓定性预测，是预测者根据自己掌握的实际情况、实践经验、专业水平，确定预测目标未来发展的性质、方向和程度。定性分析大多根据专业知识和实际经验进行，对把握事物的本质特征和大体程度有重要作用。这种预测主要利用判断、直觉、调查或比较分析，对未来做出定性的估计。在掌握的数据不多、不够准确或主要影响因素难以用数字描述，无法进行定量分析时，定性预测就是一种行之有效的预测方法。总的讲，这类方法的准确性不高。当我们试图预测新产品是否成功、政府政策是否变动，或预测某项新技术的影响时，由于没有直接的历史数据，定性法可能是唯一的选择。定性预测方法较多，主要有专家调查预测法、市场调查预测法、主观概率法、领先指标法、预兆预测法、类推法等。2)时间序列分析（TimeSeriesAnalysis）预测法时间序列预测法是将预测目标的历史数据按照时间的顺序排列成为时间序列，然后分析它随时间的变化趋势，外推预测目标的未来值。如果拥有相当数量的历史数据，时间序列的趋势和季节性变化稳定、明确，那么将这些数据映射到未来将是有效的预测方法。时间序列分析预测分为确定性时间序列预测法和随机性时间序列预测法。常用的确定性时间序列预测方法主要包括：移动平均法、指数平滑法、差分指数平滑法、趋势外推以及博克斯-詹金斯(Box-Jenkins)方法等。3)因果关系（Causal）预测方法系统变量之间存在着某种前因后果关系，找出影响某种结果的一个或几个因素，建立起它们之间的数学模型，然后可以根据自变量的变化预测结果变量的变化。因果预测模型的基本前提就是预测变量的水平值取决于其他相关变量的水平值。只要能够准确地描述因果关系，因果模型在预测时间序列主要变化、进行中长期预测时就会非常准确。因果关系预测模型包括多种不同形式，例如：统计形式（回归模型和计量经济模型）、描述形式（如投入-产出模型）、生命周期模型和计算机模拟模型。每种模型都是从历史数据中建立预测变量和被预测变量的关系，从而有效地进行预测。3、预测的一般程序误差较大误差太大通过检验确定预测目的资料收集与分析选定预测方法建立预测模型模型检验预测实施4、物流系统预测的特征物流管理者碰到的预测问题多数是诸如库存控制、车辆调度之类的短期计划预测。在物流系统规划和控制过程中，最常见的是对物流需求的预测；某些规划问题如库存控制、经济采购、成本控制等也需要对提前期、价格或成本进行预测。5、物流系统需求特征1）需求的时间特性和空间特性物流需求有时间特性，即需求是随时间而变化的。需求随时间的变化归因于销售的增长或下降、需求模式的季节性变化以及多种因素导致的一般性波动。这种预测一般属于短期预测，常用时间序列预测法。物流需求还具有空间维度，即物流管理者必须知道需求量在何处发生。规划仓库位置、平衡物流网络中的库存水平和按地理位置分配运输资源等都需要知道需求的空间位置。因此，所选择的预测技术必须能反映影响需求模式的地理性差异。6、需求的不规则性与规则性不同产品的物流需求随时间而变化的模式是不同的。需求的变动可能是“规则性的(Regular)”，也可能是不规则的，导致需求模式规则性变动的因素有长期趋势(Trend)、季节性(Seasonal)因素和随机性(Random)因素。如果随机波动占时间序列中变化部分的比例很小，利用常规预测方法就可以得到较好的预测结果。如果某种产品的需求由于总体需求量偏低，需求时间和需求水平非常不确定，那么需求就是间歇式的，这样的时间序列就是“不规则的”(Irregular)”，这是物流需求预测的难题之一。7、需求的派生性与独立性物流需求的独立性是指物流需求来自一个一个独立的客户，这些客户多数是独立采购，其采购量只占企业分拨总量的很少一部分。在另一种情况下，物流需求是由某一特定的生产计划要求派生出来的，这是一种从属性的需求，这就是需求的派生性。对于独立的需求预测，很适合利用统计预测方法。多数短期预测模型的基本条件都是需求独立且随机。对于派生的需求，因这种需求模式有很强的倾向性，且不是随机的，通过判断系统随时间发展而呈现出的趋势和规律，就能较好地改进预测结果。8、预测方法归类定性预测特尔斐法主观概率法领先指标法时间序列分析移动平均指数平滑灰色系统模型Box-Jenkins法因果关系分析线性回归分析投入产出分析马尔可夫模型状态空间分析神经网络预测定量预测预测方法近几年在信息领域和人工智能领域广受关注的人工神经网络方法也越来越多地被应用到预测过程中。神经网络法是受生物神经功能的启发而形成的数学预测模型，其特点是模型可以对历史数据进行学习；对不连续的时间序列数据，该方法的预测精度较其他时间序列预测模型更准确；另外，神经网络法特别适合非线性预测。二、回归预测的matlab实现见例题一三、灰色预测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。灰色预测理论是整个灰色系统理论的重要组成部分，灰色动态模型（或称GM模型）则是灰色预测理论的核心。灰色预测法是一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1、灰色预测的原理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。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。2、灰色时间序列预测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。3、生成列的概念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，经过数据处理后的时间序列即称为生成列。（一）数据处理方式灰色系统常用的数据处理方式有累加和累减两种。4、累加生成列记原始时间序列为：生成列为：nXXXXX00000,...3,2,1nXXXXX11111,...3,2,1累加是将原始序列通过累加得到生成列5、累加目的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，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。6、累减生成列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：1001kXkXkX7、GM(1,1)模型设时间序列有n个观察值，通过累加生成新序列则GM（1，1）模型相应的微分方程为：其中：α称为发展灰数；μ称为内生控制灰数。nXXXX0000,...,2,1nXXXX1111,...,2,111ddaXtX求解微分方程，即可得预测模型：aeaXkXak11ˆ01nk...,2,1,0设为待估参数向量，可利用最小二乘法求解。解得：ˆaˆnTTYBBB1ˆ111)),1()((21)),2()3((21)),1()2((21)1()1()1()1()1()1(nXnXXXXXBYn=(X(o)(2),X(o)(3),……，X(o)(n))8、GM(1,1)模型预测的步骤原始序列累加求B矩阵求代入累减nXXXX0000,...,2,1)k(x)0(nXXXX1111,...,2,1aˆaeaXkXak11ˆ019、灰色预测matlab编程见例题二模型的检验灰色预测检验一般有残差检验、关联度检验和后验差检验,ˆ1iX残差检验按预测模型计算并将累减生成,ˆ0iXiXiXi000ˆ%10000iXiini,...,2,1四、BP神经网络预测及matlab编程五、BP神经网络预测案例方法时间范围适用情况计算机硬件最低要求应做工作定性预测法短、中、长期对缺乏历史统计资料或趋势面临转折的事件进行预测计算器需做大量的调查研究工作一元线性回归预测法短、中期自变量与因变量之间存在线性关系计算器为两个变量收集历史数据，此项工作是此预测中最费时的多元线性回归预测法短、中期因变量与两个或两个以上自变量之间存在线性关系在两个自变量情况下可用计算器，多于两个自变量的情况下用计算机为所有变量收集历史数据是此预测中最费时的非线性回归预测法短、中期因变量与一个自变量或多个其它自变量之间存在某种非线性关系在两个变量情况下可用计算器，多于两个变量的情况下用计算机必须收集历史数据，并用几个非线性模型试验趋势外推法中期到长期当被预测项目的有关变量用时间表示时，用非线性回归与非线性回归预测法相同只需要因变量的历史资料，但用趋势图做试探时很费时方法时间范围适用情况计算机硬件最低要求应做工作分解