挖掘机需求预测建模研究

发布时间：2020-07-18 10:37

【摘要】：随着我国大规模的基础设施建设以及“一带一路”等方针战略的实施,中国工程机械行业取得了长足的进步。但在飞速发展的背后我国工程机械行业依然面临着市场需求变化速率与幅值过大、产能过剩等问题,究其根本,行业内缺乏科学准确的市场需求预测,致使产需矛盾凸显。本文以挖掘机产品为例,通过影响因素分析后,建立了多种数学模型,并在实际应用中取得良好的预测效果。本文首先总结了需求预测方法在国内外的研究现状,并结合挖掘机市场的定性分析,总结出基建投资拉动、国家宏观调控、设备折旧更替、客户盈利能力以及季节性5个主要影响市场需求的因素。针对月度需求,本文分别建立了 Winters加法/乘法模型和SARIMA模型,通过结果比对,模型SARIMA(0,1,1)(2,1,0)实际预测效果更优。通过市场调研,得到了更客观准确的的挖掘机市场保有量的计算方法,并分别验证了灰色模型和多元线性回归模型在预测年度需求量上的可行性。本文还在预测挖掘机年度需求上提供了一个新的思路,通过客户购机的影响因素分析,提出客户盈利能力结构模型。并将客户的盈利结构比例作为一个时间序列,验证了 Elman神经网络的预测性能;最后,基于客户的盈利结构比例,建立了 BP神经网络模型,预测结果显示,其预测精度明显优于多元线性回归模型。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TU621
【图文】：

大、产能过剩等问题［２］，宄其根本原因，行业内缺乏科学准确的市场需求预测，逡逑致使产需矛盾凸显，从而衍生出各种问题。逡逑如图１－１，工程机械上游为原材料、零部件和能源等行业；下游为基础设施逡逑建设、房地产和采矿业等工程机械的终端需求行业。一个行业的兴衰往往取决于逡逑供需是否平衡，而工程机械作为一个周期性强的行业，这点尤为重要［３］。逡逑ｆ新增需求逦？＿＋更新需求＋逡逑｜原Ｈｉ如’逦基础设施建设逡逑零部件逦工程机械邋！逦＆邋房地产逡逑ｋ逦：逦；逦Ｖ逡逑．g采Ｊ通等逡逑．．．’逦：逦３逦．．．．．逦逦逦逡逑W逦．．邋．．逡逑：库存逦产＊逡逑逦逦逦邋逦？？逡逑图１－１工程机械的需求来源逡逑从供给来看，行业的供给直接取决于各企业的产能和库存。现今，前期刺激逡逑政策的“消化”致使市场需求萎缩，但企业未及时对市场变化做出反应，从而出逡逑现产能过剩、产能利用率持续低位的态势［４］。据统计，我国产品生产的直接成本逡逑只占总成本的１０％左右，而库存成本却占总成本的３０％以上，远远大于直接生逡逑产成本［５］。以企业挖掘机年末库存量来看，如图１－２，邋２０１０年后库存量久高不下，逡逑１逡逑

大、产能过剩等问题［２］，宄其根本原因，行业内缺乏科学准确的市场需求预测，逡逑致使产需矛盾凸显，从而衍生出各种问题。逡逑如图１－１，工程机械上游为原材料、零部件和能源等行业；下游为基础设施逡逑建设、房地产和采矿业等工程机械的终端需求行业。一个行业的兴衰往往取决于逡逑供需是否平衡，而工程机械作为一个周期性强的行业，这点尤为重要［３］。逡逑ｆ新增需求逦？＿＋更新需求＋逡逑｜原Ｈｉ如’逦基础设施建设逡逑零部件逦工程机械邋！逦＆邋房地产逡逑ｋ逦：逦；逦Ｖ逡逑．g采Ｊ通等逡逑．．．’逦：逦３逦．．．．．逦逦逦逡逑W逦．．邋．．逡逑：库存逦产＊逡逑逦逦逦邋逦？？逡逑图１－１工程机械的需求来源逡逑从供给来看，行业的供给直接取决于各企业的产能和库存。现今，前期刺激逡逑政策的“消化”致使市场需求萎缩，但企业未及时对市场变化做出反应，从而出逡逑现产能过剩、产能利用率持续低位的态势［４］。据统计，我国产品生产的直接成本逡逑只占总成本的１０％左右，而库存成本却占总成本的３０％以上，远远大于直接生逡逑产成本［５］。以企业挖掘机年末库存量来看，如图１－２，邋２０１０年后库存量久高不下，逡逑１逡逑

第五章本章在挖掘机年度需求量的预测上提供了一个新的思路。通过分析逡逑左右客户在二手机与新机选择上的影响因素，提出了客户盈利能力结构模型，并逡逑通过企业ＧＰＳ监测和市场调研得到了客户的盈利比例；同时，将客户的盈利结逡逑构作为一个时间序列，验证了邋Ｅｌｍａｎ神经网络预测性能；最后，基于客户的盈逡逑利结构，建立了邋ＢＰ神经网络模型，预测结果显示，其预测精度明显优于多元线逡逑性回归模型。逡逑９逡逑

【参考文献】

相关期刊论文 前10条

1 龙会典;严广乐;;基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究[J];数理统计与管理;2013年05期

2 倪冬梅;赵秋红;李海滨;;需求预测综合模型及其与库存决策的集成研究[J];管理科学学报;2013年09期

3 王海权;朱超;;基于多变量灰色模型的机械产品动态需求预测[J];机械设计;2013年05期

4 焉晓贞;谢红;王桐;;一种基于相关分析的多元回归数据估计方法[J];沈阳工业大学学报;2013年02期

5 熊志斌;;基于ARIMA与神经网络集成的GDP时间序列预测研究[J];数理统计与管理;2011年02期

6 曹苏娜;王素云;曹贻鹏;;一种新的多元回归思路——因子与回归联合分析法[J];西安文理学院学报(自然科学版);2010年02期

7 李响;宗群;童玲;;汽车销售混合预测方法研究[J];天津大学学报(社会科学版);2006年03期

8 李勇,吴宝亮,杨秀苔,但斌;基于乘积ARIMA模型的产品不确定性需求预测[J];系统工程与电子技术;2005年01期

9 郭大宁 ,王磊 ,陈成;利用改进的ARMA模型来预测供应链中的需求[J];物流科技;2004年09期

10 蔡家明;灰色系统模型在汽车市场需求预测中的应用[J];上海工程技术大学学报;2003年01期

相关重要报纸文章 前1条

1 ;工程机械产业发展趋势分析[N];中华建筑报;2008年

相关博士学位论文 前2条

1 周威;中国工程机械产业国际竞争力研究[D];吉林大学;2014年

2 戴红军;我国机械制造业的发展研究[D];河北工业大学;2010年

相关硕士学位论文 前10条

1 陈聪聪;基于ARIMA模型和ARIMAX模型的山东省GDP的预测与分析[D];山东大学;2016年

2 于婷;基于ARIMA模型的股价的研究[D];大连海事大学;2015年

3 陈容;基于创新产品扩散理论的汽车市场需求长期预测方法与实证研究[D];重庆大学;2012年

4 耿新颖;中国工程机械产业国际竞争力影响因素研究[D];上海师范大学;2012年

5 杨涛;基于需求预测的生产计划控制研究及实证[D];天津大学;2012年

6 胡斌;基于时间序列分析的库存需求预测计算系统的研究及应用[D];电子科技大学;2011年

7 侯璐;基于ARIMA模型的石油价格短期分析预测[D];暨南大学;2009年

8 谭阳波;中长期预测方法及其应用研究[D];中南大学;2007年

9 刘海金;制造企业库存管理研究[D];广东工业大学;2007年

10 陈绰;中国工程机械制造企业竞争对策分析[D];清华大学;2006年

本文编号：2760773