物资需求预测方法，不同物料需求预测方法比较与模型修正

常用的物资需求预测方法，主要包括基于时间序列模型的移动平均预测法、指数平滑预测法、趋势外推预测法等；
基于因果分析模型的回归分析预测法，基于统计学习理论以及结构风险最小原理的支持向量机预测方法，基于人工智能技术的人工神经网络算法。

=====全文目录=====

一、主要需求预测方法概述
二、预测模型的提出
三、需求预测的过程
四、不同预测方法结果比较
五、模型的修正

=====正文节选=====

一、主要需求预测方法概述
归纳如图1：


时间序列法
定义
将预测对象按照时问顺序排列起来，构成一个所谓的时间序列，从所构成的这一组时间序列过去的变化规律，推断今后变   化的可能性及变化 趋势、变化规律，就是时间序列预测法。


时间序列法
主要方法：移动平均法、指数平滑法、季节变动法、趋势外推法

主要包括：简单移动平均和加权移动平均。
简单移动平均：将一个时间段的数据取平均值作为最新时间的预测值。该时间段根据要求取最近的。
加权移动平均：预测值是以前观测值的加权和，且对不同的数据给予不同的权数，新数据给予较大的权数，旧数据给予较小的权数。


定义：预测值是以前观测值的加权和，且对不同的数据给予不同的权数，新数据给予较大的权数，旧数据给予较小的权数。
通用算法：
        St=aYt+(1-a)St-1
注：St--时间t的平滑值；
　　Yt--时间t的实际值；
　　St-1--时间t-1的平滑值；
a--平滑常数，其取值范围为[0,1]


①水平型季节变动:  是指时间序列中各项数值的变化是围绕某一个水平值上下周期性的波动。若时间序列呈水平型季节变动，则意味着时间序列中不存在明显的长期趋势变动而仅有季节变动和不规则变动。
②长期趋势季节变动:是指时间序列中各项数值一方面随时间变化呈现季节性周期变化，另一方面随着时间变化而呈现上升(或下降)的变化趋势。