单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,物流需求预测模型,2024/11/16,1,主要内容,回归预测模型,产销平衡预测模型,计算机仿真预测模型,2024/11/16,2,2.5,回归预测模型,回归预测法是基于,预测的相关原理,，客观世界中许多事物、现象、因素彼此关联而构成关系、过程、系统。,惯性原理,类推原理,相关原理,概率判断原理,2024/11/16,3,一元线性,回归预测,多元线性,回归预测,非线性,回归预测,应用,Excel,软件,2024/11/16,4,2.5.1,回归分析预测步骤,相关分析,确定模型,建立模型,预测计算,统计检验,相关关系即相关程度,线性或,非线性,2024/11/16,5,2.5.2,物流需求相关因素,国民经济发展规模和速度,经济结构的变动,基本建设的规模,能源、冶金等工业的规模、速度与布局,运输结构的变动,影响物流预测的客观因素主要有：,2024/11/16,6,2.5.3,一元线性回归预测,建立模型,估计参数,检验,评定预测效果,2024/11/16,7,一元线性回归预测模型,建立模型,参数估计,其中,x,i,，,y,i,为自变量和因变量的观察值；,b,0,，,b,i,为未知参数；,u,i,为剩余残差项。,（,2-13,）,（,2-14,）,（,2-15,）,2024/11/16,8,检验,残差平方和,标准差,离散系数,相关系数,可决系数,（,2-16,）,（,2-18,）,（,2-17,）,（,2-19,）,（,2-20,）,一般，,v,不超过,0.1,至,0.15,可接受,2024/11/16,9,t,检验,自相关检验,其中,把不包括在样本内的某期已知量与预测量进行对比,评定预测效果,（,2-22,）,（,2-21,）,2024/11/16,10,某国际集装箱码头统计了,12,年集装箱吞吐量与该地区工业生产总值的关系如下表所示。,某码头集装箱年吞吐量与工业产值的关系,试预测当该地区工业生产总值达到,500,亿元时，该码头集装箱的年吞吐量为多少？（取显著性水平,a=0.05,）,工业产值（亿元）,99,110,132,161,193,194,246,274,281,344,372,349,年吞吐量（,*10,4,TEU),43,53,66,70,84,93,110,131,170,169,197,178,例,2.5,2024/11/16,11,图,2.5,工业产值与集装箱吞吐量的关系分析图,1.,作散点图，观察工业产值与吞吐量之间关系。,2.,确定预测模型,2024/11/16,12,3.,计算参数,b,0,，,b,1,。,由公式（,2-15,）得,b,0,=-7.272,，,b,1,=0.519,即回归模型为,4.,统计检验。,离散系数检验,：由公式（,2-16,）（,2-17,）（,2-18,）得,Q,e,=1676.38,，,S,=12.928,，,v,=0.1137,，,V,介于,0.10.15,间，误差可以接受,相关系数、可决系数检验,：由公式（,2-19,）得,r,=0.973,，,r,2,=0.947,2024/11/16,13,t,检验：,当,H,0,为真，由公式（,2-21,）得,t,=13.424,，,t,0.025,（,10,）,=2.2282,5.,预测计算,由回归方程得,即该码头集装箱的预测吞吐量为,252.35*10,4,TEU.,2024/11/16,14,2.5.4,多元线性回归预测,影响物流需求的因素较多，抓住主要因素,x,1,，,x,2,，,，,x,m,，,抽取样本（,y,i,，,x,1i,，,x,2i,，,，,x,mi,）（,i=1,2,，,n,），（,m,个因素，,n,个样本）,如果散点图,(,y,，,x,i,),呈现线性，则可以作多元线性回归函数,2024/11/16,15,（,2-23,）,（,2-24,）,（,2-25,）,（,2-26,）,2024/11/16,16,相关性检验,其中,置信区间估计,（,2-27,）,（,2-28,）,（,2-29,）,R,称为,xi,对于,y,的全相关系数,2024/11/16,17,令,x=x,1,，,x,2,=x,2,x,m,=x,m,两边取对数,换元法,2.5.5,非线性回归预测,2024/11/16,18,EXCEL,在多元回归中的应用,某仓库过去,14,个月油漆的订货量,y,（,t,）与本区三家主要企业的月生产量,X,1,X,2,X,3,求它们的回归方程式,。,订货量与三企业产值关系表,例,2.6,2024/11/16,19,回归统计,Multiple R,0.839388,R Square,0.704572,Adjusted R Square,0.483002,标准误差,0.971541,观测值,8,汇总输出,自由度,SS,MS,F,显著水平,F,回归分析,3,9.004436,3.001479,3.1799,0.146512,残差,4,3.775564,0.943891,总计,7,12.78,方差分析,2024/11/16,20,Coefficients,标准误差,t Stat,P-value,Lower 95%,Upper 95%,下限,95.0%,上限,95.0%,Intercept,464.7979,146.3589,3.17574,0.033672,58.44043,871.1554,58.44043,871.1554,X1,-8.8998,3.19998,-2.78121,0.049757,-17.7844,-0.01523,-17.7844,-0.01523,X2,-4.92061,1.770758,-2.77882,0.049879,-9.83702,-0.0042,-9.83702,-0.0042,X3,1.434044,0.553363,2.591507,0.060588,-0.10234,2.970427,-0.10234,2.970427,表,2-11,预测结果,得回归方程：,2024/11/16,21,2.6,产销平衡预测模型,产销平衡,是指在一定范围内，相同用途的某种物资的生产量、消费量和运输量之间的平衡。,产销平衡法是过产销平衡计算，推算出该种货物在一个车站、一个枢纽、一条线路或一个地区的发送量和到达量。,产销平衡法限制因素,各种物资产销供应量和分布等资料,品名不同，具可替代性，可以一起换算,同一品名，不同用途,，,不能混合计算,2024/11/16,22,产销平衡原理,：,研究,n,个地区间的某种货物流量，,T,ij,为,i,区发送到,j,区的货物流量，,O,i,为,i,地的总输出量，,D,j,为,j,区的总输入量,则地区间的交流如,下,O-D,表所示：,到地,发地,1,2,3,.,N,合计,1,T,11,T,12,T,13,.,T,1n,O,1,2,T,21,T,22,T,23,.,T,2n,O,2,3,T,31,T,32,T,33,.,T,3n,O,3,.,.,.,.,.,.,.,N,T,n1,T,n2,T,n3,.,T,nn,O,n,合计,D,1,D,2,D,3,D,n,T,2024/11/16,23,T,ij,满足以下的双约束平衡条件。,不同发地到达,j,地的,T,ij,的总到达量为,D,j,发地,i,到不同到达地,T,ij,的总发送量为,O,i,总,发送量,和总到达量相等,且等于总运输量,2024/11/16,24,产销平衡预测方法,增长率法,增长率法，指根据预测对象在过去的统计期内的平均增长率，类推未来某期预测值。,确定一组系数,r,ij,.,使,T,ij,=r,ij,t,ij,.,需求数据,:,各地区总输出量,O,i,、,总输入量,D,j,和基期的交流量,t,ij,.,n,个区域的总货物输出量,O,i,和货物输入量,D,j,需根据现在的物流分布表,t,ij,确定预测年各区域间的物流分布量,T,ij,.,增长率法,弗尼斯法,底特律法,福莱特法,2024/11/16,25,弗尼斯（,Furness,）法,增长系数,r,ij,可以分解为两个平衡因子的乘积，即：,r,ij,=a,i,b,j,，,此时平衡条件可以改写为：,增长系数,b,1,b,2,b,3,.,b,n,增长系数,到地,发地,1,2,3,.,N,合计,a,1,1,T,11,T,12,T,13,.,T,1n,O,1,a,2,2,T,21,T,22,T,23,.,T,2n,O,2,a,3,3,T,31,T,32,T,33,.,T,3n,O,3,.,.,.,.,.,.,.,.,a,n,N,T,n1,T,n2,T,n3,.,T,nn,O,n,合计,D,1,D,2,D,3,D,n,T,2024/11/16,26,整个区域的年预测增长率,2024/11/16,27,2024/11/16,28,2.7,计算机仿真预测模型,聚焦预测法,神经网络预测模型,2024/11/16,29,根据规则简单试算,计算机模拟外推需求计算,结果与观察值比较,衡量各种规则预测效果,选定最好的规则预测计算,2024/11/16,30,编制的规则要简单，符合一般常识，可验证并确定取舍。,例如，以月为时间跨度的时间序列，可以用如下规则进行试算：,1.,过去三个月的销量为未来三个月可能的销量，即,2024/11/16,31,2.,去年某三个月的销量为今年同期的可能销量，即,3.,未来三个月的销量可能比过去三个月的销量增加,10%,，即,4.,未来三个月的销量可能比去年同期增加,50%,，即,2024/11/16,32,5.,今年某前三个月销量的变化率（与去年同期相比）等于其后三个月销量的变化率，即,以上,K=1,2,2024/11/16,33,基于,BP,算法的神经网络是由输入层、输出层和若干隐含层组成的前向连接模型。,同层神经元间互不相连，相邻层神经元通过权重连接且互为全互联结构。当有输入信号时，首先向前传播到隐层节点，再传至下一隐层，直至最终传输至输出层节点输出。信号传播是逐层递进的，且每经过一层都要由相应的特性函数进行转变。,2024/11/16,34,三层神经网络结果示意图,隐,含,层,输 入 层,输 出 层,2024/11/16,35,第一步：,确定输入节点数,m,和隐含节点数,l,。,第二步：,令,t=0,，给定允许误差，给赋初值。,第三步：给个节点选定作用函数,第四步：,对于某一输入样本,X=,，计算输入层节点,i(i=1,2,m),的输出,Ui,第五步：计算隐含层节点,j(j=1,2,l),的输入,Vi,第六步：计算隐含层节点,j,（,j=1,，,2,，,l,）的输出,Yi,第七步：计算输出层节点,k,的输入,Zk,第八步：计算输出层节点,k,的输出,第九步：换一组样本,并修正权系数,第十步：定义平方型误差函数,E,并计算其值,建模步骤,2024/11/16,36,