非物流数据条件下对物流需求预测的实用性研究

发布时间：2024-06-05 00:13

　　在缺少物流数据的条件下,以某企业销售数据替代物流数据,利用ARIMA模型对该企业区域物流需求进行预测,并用实际数据进行检验。在预测数据和地理位置信息的基础上建立物流配置比重模型,通过计算该企业每月不同区域的物流配置比重对其下一年物流计划提出合理建议。该方法简单实用,易于推广,后续可研究空间大。

【文章页数】：6 页

【部分图文】：

图1企业月销量一阶差分时序图

根据企业月份总销量图可以初步判断其为平稳序列。将数据进行一阶差分处理后平稳性更好，如图1所示。为了对数据平稳性进行进一步验证，检验企业月销量一阶差分序列的自相关性和偏自相关性，如图2所示。

图2企业月销量一阶差分序列自相关性与偏自相关性图

我们考虑用2010-2015年的数据来拟合模型参数，用2016-2017年的数据来对模型进行检验。同时因为年度数据太少，如果用年度数据来求解预测模型可能会有较大误差，所以决定用月销量来求解模型。用SPSS对k,q,d在0～2之间的不同取值求解。下面给出效果最好的ARIMA(0,0....

图3企业月销量残差图

利用预测模型预测出2016和2017年的各月销售量见表2、图4。图4企业销售总量预测图

图4企业销售总量预测图

图3企业月销量残差图预测效果还是比较好的。接下来利用模型对省内不同区域的销量做出预测，并绘制出不同区域销量预测图，如图5所示。

本文编号：3989370