需求預測方法-(2)

1、需求預測方法需求預測方法常用的物資需求預測方法主要包括基于時間序列模型的移動平均預測法、指數(shù)平滑預測法、趨勢外推預測法等基于因果分析模型的回歸分析預測法，基于統(tǒng)計學習理論以及結(jié)構(gòu)風險最小原理的支持向量機預測方法，基于人工智能技術(shù)的人工神經(jīng)網(wǎng)絡算法。歸納如圖1：圖1：物資需求預測方法一、一、時間序列法時間序列法1.定義定義：將預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

2、及變化趨勢、變化規(guī)律，就是時間序列預測法。2.概況概況：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。若以表示時間序列的季節(jié)因素，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：ttttISTx???乘法模型：ttttISTx???混合模型：)())ttttttttITSxbITSxa??????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

3、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)變動預測的方法很多，應用時應根據(jù)季節(jié)變動的類型選擇適應的預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

4、推法趨勢外推預測法是一種通過邏輯推理分析以期達到預測效果的預測方法。其主要以事物發(fā)展的規(guī)律性為假設前提即認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)展狀態(tài)就能夠遵循其發(fā)展規(guī)律來預測事物的未來發(fā)展趨勢。趨勢外推預測方法是一種探索型的預測方法其主要適用于預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測。4.時間序列建模時間序列建模時間序列是同類型指標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

5、時間序列，如經(jīng)濟數(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（模型（HMM）(matlab求解求解)隱馬爾可夫模型（HiddenMarkovModel，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