在缺少物流數(shù)據(jù)的條件下,以某企業(yè)銷售數(shù)據(jù)替代物流數(shù)據(jù),利用ARIMA模型對(duì)該企業(yè)區(qū)域物流需求進(jìn)行預(yù)測(cè),并用實(shí)際數(shù)據(jù)進(jìn)行檢驗(yàn)。在預(yù)測(cè)數(shù)據(jù)和地理位置信息的基礎(chǔ)上建立物流配置比重模型,通過(guò)計(jì)算該企業(yè)每月不同區(qū)域的物流配置比重對(duì)其下一年物流計(jì)劃提出合理建議。該方法簡(jiǎn)單實(shí)用,易于推廣,后續(xù)可研究空間大。

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1企業(yè)月銷量一階差分時(shí)序圖

根據(jù)企業(yè)月份總銷量圖可以初步判斷其為平穩(wěn)序列。將數(shù)據(jù)進(jìn)行一階差分處理后平穩(wěn)性更好，如圖1所示。為了對(duì)數(shù)據(jù)平穩(wěn)性進(jìn)行進(jìn)一步驗(yàn)證，檢驗(yàn)企業(yè)月銷量一階差分序列的自相關(guān)性和偏自相關(guān)性，如圖2所示。

圖2企業(yè)月銷量一階差分序列自相關(guān)性與偏自相關(guān)性圖

我們考慮用2010-2015年的數(shù)據(jù)來(lái)擬合模型參數(shù)，用2016-2017年的數(shù)據(jù)來(lái)對(duì)模型進(jìn)行檢驗(yàn)。同時(shí)因?yàn)槟甓葦?shù)據(jù)太少，如果用年度數(shù)據(jù)來(lái)求解預(yù)測(cè)模型可能會(huì)有較大誤差，所以決定用月銷量來(lái)求解模型。用SPSS對(duì)k,q,d在0～2之間的不同取值求解。下面給出效果最好的ARIMA(0,0....

圖3企業(yè)月銷量殘差圖

利用預(yù)測(cè)模型預(yù)測(cè)出2016和2017年的各月銷售量見(jiàn)表2、圖4。圖4企業(yè)銷售總量預(yù)測(cè)圖

圖4企業(yè)銷售總量預(yù)測(cè)圖

圖3企業(yè)月銷量殘差圖預(yù)測(cè)效果還是比較好的。接下來(lái)利用模型對(duì)省內(nèi)不同區(qū)域的銷量做出預(yù)測(cè)，并繪制出不同區(qū)域銷量預(yù)測(cè)圖，如圖5所示。

本文編號(hào)：3989370