物流系统预测文件综述

物流系统预测文件综述预测是对未来可能发生的情况的预计与推测。在物流领域，对物流的流向、流量、资金周转及供求规律等进行调查研究，取得各种资料和信息，运用科学的方法，预计和预测一定时期内的物流状态，能为国民经济发展的战略决策，为生产和流通部门及企业的经营管理和决策提供科学依据。国内外许多专家和学者都对物流需求的预测进行了研究，提出不同的预测方法和手段。概括起来，现代物流系统预测技术,按照主客因素所起的作用，主要可分两类：1.定性预测方法：德尔菲法，部门主管集体讨论法，用户调查法，销售人员意见汇集法等。2.定量预测方法：时间序列预测技术（平滑模型和分解模型），因果预测技术等。在现实情况中，多数的公司在做预测的时候，选择以定量预测方法为主。本文对定性预测只做简单介绍。一、预测分析判断技术(定性预测)1、判断预测指在一种有组织的形式下，搜集个人对预测对象所作的判断，进行综合分析，得出预测结论的方法。2、特点适用于数据奇缺，或难于作定量分析时使用，预测简单，容易实施，预测准确度不高，容易受主观因素的影响，一般用于中长期预测。比如，新产品的销售量预测；新产品的市场调查，新技术的应用前景等。3、常用方法：德尔菲法、部门主管集体讨论法、历史类比法等（1）德尔菲法德尔菲法（Delphimethod），是采用背对背的通信方式征询专家小组成员的预测意见，经过几轮征询，使专家小组的预测意见趋于集中，最后做出符合市场未来发展趋势的预测结论。流程：该方法主要是由调查者拟定调查表，按照既定程序，以函件的方式分别向专家组成员进行征询；而专家组成员又以匿名的方式（函件）提交意见。经过几次反复征询和反馈，专家组成员的意见逐步趋于集中，最后获得具有很高准确率的集体判断结果。优点：简明直观；避免了专家会议中屈服权威的弊端。缺点：专家的选择没有明确的标准，预测结果的可靠性缺乏严格的科学分析，最后结果仍有随大流的倾向。（2）部门主管集体意见讨论法由不同层次的人员在会上自由讨论。这种方法缺点在于低层人员往往易受当前市场营销的左右，不敢与领导相背。对于重要决策，如引进流水线等，由高层人员讨论（3）历史类比法预测某些新产品的需求时，如果有同类型产品可用来作为类比模型，将是最理想的情况。类比法可用于很多产品类型——互补产品，替代产品等竞争性产品等。二、时间序列预测方法综述1、时间序列平滑模型当由于随机成分的影响而导致需求偏离平均水平时，应用时间序列平滑模型，通过对多期观测数据平均的办法，刻意有效地消除或减少随机成分的影响，以使预测结果较好地反应平均需求水平。杨荣英等人在讨论移动平均值的基础上，提出了移动平均线法，并介绍了运用移动平均线进行物流预测的方法。李海建等人利用二次移动平均线模型对芜湖市物流业发展的规模进行了预测。而指数平滑法分为一次指数平滑法和二次指数平滑法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。韦司滢等人将指数平滑法等其他多种方法应用在三峡移民工程建材配送决策支持系统中。黄荣富，张云康等人在进行指数平滑法预测的基础上进行了物流需求多种方法组合预测。在整个指数平滑法的预测体系中，所有的变量均为前一期的指数平滑值和实际观察值，并利用这两个变量计算出预测的数据。2.时间序列分解模型在现实生活中，实际需求值是趋势的，季节的，周期的或随机的等多种成分共同作用的结果。而分解模型是试图从时间序列值中找出各种成分，并在对各种成分单独进行预测的基础上，综合处理各种成分的预测值，以得到最终的结果。分解模型中的变量的选取通常是不同的季节，通过在不同的季节里的销售量的不同来计算预测值。3.因果模型不同于时间序列模型中，把需求作为因变量，将时间作为唯一的独立变量，这种方法虽然简单，但忽略了其他影响需求的因素。因果模型则有效地克服了时间序列法的这一缺点，它通过对一些与需求有关的先导指数的计算，来对需求进行预测。线性回归模型即是这种方法的体现。沙之杰，周金峰等人就利用多元线性回归模型，以用水人口，国民生产总值，工业用水重复率，年降水量，绿化覆盖率等因素为自变量预测了天津市的用水量。其模型的结果显示：虽然人口和国民生产总值不断提高，公共事业用水不断增加，但是由于近些年来采取了一定的节水措施，提高了水资源利用率，用水量基本可以保持稳定。参考文献：[1]乔向明，董梅，张明香．基于弹性系数法的全国公路客货运量预测研究[J]．华东公路，2004（05）：87-90．[2]李慧，林荣娜．弹性系数法在公路工可交通量预测中的应用[J]．西华大学学报(自然科学版)，2006，25（05）：28-29，47．[3]于龙年．关于铁路物流中心物流量预测的探讨[J]．科技创新导报，2008（19）：190-191．[4]曹晓飞，邵春福．运用弹性系数法预测北京机动车保有量[J]．道路交通与安全，2008，08（04）：31-34．[5]蒋仁才，刘瑞林．逐步回归方法和重力模型在货运量预测中的应用[J]．中国铁道科学，1987，(01)．[6]詹燕，李硕．重力模型在交通分布预测中的应用[J]．湖南交通科技，2000，26（02）：65-66，71．[7]蔡若松，李默涵．重力模型在未来交通分布预测中的应用[J]．丹东纺专学报，2002，09（02）：23-24．[8]杨天宝，刘军．应用改进重力模型法预测铁路行包OD运量的研究[J]．铁道运输与经济，2006（03）：31-34．[9]肖文刚，陈金泉．重力模型改进在交通分布预测中的应用[J]．科技情报开发与经济，2007，17（12）：200-201．[10]刘晓明，夏洪山．基于逆向重力模型的枢纽机场旅客吞吐量估计方法[J]．交通运输工程学报，2008，08（02）：85-89．[11]朱顺应，管菊香，王红，李安勋，严新平．交通分布预测模糊重力模型[J]．东南大学学报(自然科学版)，2008，38（04）：727-731．[12]王桂霞，何满喜，米宇平．内蒙古交通运输货运量及货运周转量的预测[J]．内蒙古师大学报(自然科学汉文版)，2001，30（2）：114-118[13]林洪．广东物流业发展状况评价及趋势预测[J]．番禺职业技术学院学报，2002，01（03）：34-37．[14]李慧．线性回归预测与控制在物流作业成本法中的应用[J]．重庆交通学院学报，2004，23（06）：115-117．[15]王小萃．城市物流需求量的回归模型[J]．中国水运，2007，05（07）：201-202．[16]陈智刚，朱鼎勋，何淼．基于的昆明市第三方物流市场需求预测分析[J]．昆明冶金高等专科学校学报，2007（06）：30-33．[17]杨琳，刘忠波．一元线性回归模型在预测物流需求的应用[J]．商业文化(学术版)，2007（10）：173-175．[18]杨帅．武汉市物流需求预测[J]．当代经济(下半月)，2007（10）：106-107[19]沙之杰,周金峰.多元线性回归模型预测天津市用水量.2008