一、物流需求預測概述二、物流需求預測方法三、預測誤差分析與預測方法選擇第二章物流需求預測1物流需求預測的概念物流需求預測是根據(jù)物流市場過去和現(xiàn)在的需求狀況以及影響物流市場需求變化的因素之間的關(guān)系，利用一定的經(jīng)驗、技術(shù)和科學方法對市場需求指標的變化以及發(fā)展的趨勢進行預測。物流需求預測的特征（1）需求的空間和時間特征（2）需求的規(guī)律性和不規(guī)律性（3）相關(guān)需求和獨立需求

一、物流需求預測的內(nèi)涵

第一節(jié)物流需求預測概述2物流流量預測（1）微觀物流流量的預測（2）宏觀物流流量的預測物流流向預測物流成本預測物流需求預測

二、物流需求預測的內(nèi)容3確定預測目標確定預測內(nèi)容選擇預測方法計算并做出預測分析預測誤差三、物流需求預測的程序4經(jīng)驗預測法專家會議法德爾菲法

一、物流需求定性預測方法第二節(jié)物流需求預測方法5（一）時間序列預測法算術(shù)平均法二、物流需求定量預測方法式中，

Ft+1

—第t+1期的預測值

xi—第i

期的實際值6移動平均法式中，F(xiàn)t+1—第t+1期的預測值

xt—第

t期的實際值n—計算移動平均數(shù)所選定的數(shù)據(jù)個數(shù)。7指數(shù)平滑法式中，t—本期的時間α—指數(shù)平滑系數(shù)

xt—第t

期的需求值Ft—第t

期的預測值Ft+1—對第t+1，或下期的預測值8長期趨勢法式中，F(xiàn)t+1—第t+1期物流需求的預測值；α

—第0期的物流需求的預測值；β—直線的斜率；n

—實際物流需求數(shù)據(jù)時期數(shù)；xi—實際物流需求數(shù)據(jù)。9例2-1：表2-1為某物資企業(yè)在2016年1~6月的鋼材需求量，請分別用算術(shù)平均法、移動平均法、指數(shù)平滑法和長期趨勢法預測7月份鋼材的需求量。表2-1

1～6的鋼材需求量單位：噸月份123456需求量22400219002260021400231002310010步驟1：建立基礎(chǔ)數(shù)據(jù)表。

11步驟2：用算術(shù)平均法預測。

12步驟3：用移動平均法預測

13步驟4：用指數(shù)平滑法預測。取α=0.314步驟5：設(shè)置回歸參數(shù)1516步驟6：用長期趨勢法預測。1718季節(jié)變動預測法（1）計算出每一年同月或同季的物流需求數(shù)據(jù)的平均值（用A表示）。（2）計算出所有月份或季度的物流需求數(shù)據(jù)的平均值（用B表示）。（3）計算各月或各季度的季節(jié)指數(shù)，即S＝A／B。（4）根據(jù)全年趨勢預測值，求出各月或各季度的平均預測值，再乘以相應的季節(jié)指數(shù)。19灰色模型預測法（1）檢查進行GM(1,1)建模的可行性。判斷標準為原始數(shù)列的級比，即前一數(shù)據(jù)除以相鄰的后一數(shù)據(jù)，滿足下式：式中，n—原始物流需求的時期個數(shù)；xi—第i期原始物流需求（i=1，2，3，…，n）20（2）對原始數(shù)列進行累加以得到新數(shù)列：式中，

—第i期原始物流需求的累加值。（3）建立矩陣：21（4）建立向量：（5）建立GM（1，1）模型：22（6）求解預測模型：式中，a—發(fā)展系數(shù)；b—灰色作用量；—第i+1期擬合數(shù)列值；—第i+1期預測物流需求值。—待估參數(shù)向量，可由最小二乘法求解，得23例2-2：已知一倉庫2009～2016年需要某種貨物分別為139、142、141、148、158、162、164和166件，試用灰色模型法預測2017年的需求量。步驟1：建立基礎(chǔ)數(shù)據(jù)表。如圖2-10所示。24步驟2：計算原始數(shù)據(jù)級比。步驟3：計算上/下限。

25步驟4：判斷可行性。

26步驟5：計算數(shù)據(jù)累加。27步驟6：建立矩陣B28步驟7：求矩陣B的轉(zhuǎn)置矩陣BT

步驟8：計算BT×B

29步驟9：計算BT×B的逆矩陣(BT×B)-130步驟10：矩陣求解步驟:11：

求發(fā)展系數(shù)a、灰色作用量b及b/a。

31步驟12：計算擬合值32步驟13：需求預測

33（二）因果關(guān)系預測法一元線性回歸分析預測法

（1）一元線性回歸模型的估計。一元線性回歸分析預測模型為：，

式中，xi—自變量x的第i個觀測值；—當x取值為xi時，因變量物流需求的預測值；α—截距，β—斜率。3435（2）擬合優(yōu)度檢驗

當R2＝1時，物流需求與x

完全線性相關(guān)，模型的擬合程度最優(yōu)；當R2＝0時，物流需求與x

無線性相關(guān)關(guān)系，模型的擬合程度最差。通常R2都是介于0～1之間，R2≥0.9時，估計模型為優(yōu)；0.8≤R2≤0.9時，估計模型為良；0.6≤R2≤0.8時，估計模型一般；R2＜0.6時，估計模型為差。36例2-3：一家服裝企業(yè)統(tǒng)計了30個城市的常住人口數(shù)和物流需求的數(shù)據(jù)，如表2-2所示。請根據(jù)這些數(shù)據(jù)找到物流需求與人口數(shù)的關(guān)系，以便未來進行物流需求預測。（1）如果某一城市的人口數(shù)為300萬人，請預測該城市的物流需求量。（2）該公司又進一步統(tǒng)計了各城市對應的廣告投入費用，如表2-2所示。請根據(jù)這些數(shù)據(jù)找到物流需求與人口數(shù)、廣告投入的關(guān)系，以便未來進行物流需求預測。如果某一城市的人口數(shù)為300萬人，廣告投入為20萬元，請預測該城市的物流需求量。37編號人口數(shù)（萬人）廣告投入（萬元）物流需求（件）1491.35.837912468.333.64015318447.826014150.123.317995260.830.530636512.245.745047518.227.742158489.435.638449129.818.4144610529.63.7406611145.71.8172812438.215.9356813343.516.63019141846.6223615384.735.8308416103.220.8152917386.339.73484184738.2306619260.713.3233020462.936.5386021210.741.5248622231.447.7248223264.641.8318924305.12.623642551.247.3178726507.22.13367273823430962820018.8208029521.140.4439530435.715.5381038步驟1：建立基礎(chǔ)數(shù)據(jù)表39步驟2：繪制物流需求與人口數(shù)散點圖

40步驟3：添加趨勢線

41步驟4：設(shè)置回歸參數(shù)

42步驟5：進行回歸分析

43步驟6：

300萬人口的物流需求預測44多元線性回歸分析預測法（1）多元線性回歸模型的估計。多元線性回歸分析預測模型為：

式中，k—自變量的數(shù)量；

βj（j＝1，2，…，k）—回歸系數(shù)；

—當k個自變量的取值為x1i，x2i，…，xki時，因變量物流需求的預測值。4546（2）擬合優(yōu)度檢驗

47例2-4（例2-3問題2）步驟1：建立基礎(chǔ)數(shù)據(jù)表。

48步驟2：繪制物流需求與廣告投入散點圖49步驟3：添加趨勢線

圖2-29帶趨勢線的物流需求與廣告投入散點圖50步驟4：設(shè)置回歸參數(shù)

51步驟5：回歸分析52步驟6：

300萬人口、廣告投入20萬元的城市的物流需求預測

53（三）組合預測法組合預測有兩種基本形式：（1）等權(quán)組合，即在匯總預測結(jié)果時，各預測方法的預測值被賦予相同的權(quán)重。（