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模型對該企業(yè)區(qū)域物流需求進行預(yù)測,并用實際數(shù)據(jù)進行檢驗。在預(yù)測數(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,通過計算該企業(yè)每月不同區(qū)域的物流配置比重對其下一年物流計劃提出合理建議。該方法簡單實用,易于推廣,后續(xù)可研究空間大。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1企業(yè)月銷量一階差分時序圖

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)進行一階差分處理后平穩(wěn)性更好，如圖1所示。為了對數(shù)據(jù)平穩(wěn)性進行進一步驗證，檢驗企業(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)來擬合模型參數(shù)，用2016-2017年的數(shù)據(jù)來對模型進行檢驗。同時因為年度數(shù)據(jù)太少，如果用年度數(shù)據(jù)來求解預(yù)測模型可能會有較大誤差，所以決定用月銷量來求解模型。用SPSS對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)測模型預(yù)測出2016和2017年的各月銷售量見表2、圖4。圖4企業(yè)銷售總量預(yù)測圖

圖4企業(yè)銷售總量預(yù)測圖

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

本文編號：3989370