發(fā)布時間：2024-06-05 00:13

　　在缺少物流數據的條件下,以某企業(yè)銷售數據替代物流數據,利用ARIMA模型對該企業(yè)區(qū)域物流需求進行預測,并用實際數據進行檢驗。在預測數據和地理位置信息的基礎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】：6 頁

【部分圖文】：

圖1企業(yè)月銷量一階差分時序圖

根據企業(yè)月份總銷量圖可以初步判斷其為平穩(wěn)序列。將數據進行一階差分處理后平穩(wěn)性更好，如圖1所示。為了對數據平穩(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性和偏自相關性，如圖2所示。

圖2企業(yè)月銷量一階差分序列自相關性與偏自相關性圖

我們考慮用2010-2015年的數據來擬合模型參數，用2016-2017年的數據來對模型進行檢驗。同時因為年度數據太少，如果用年度數據來求解預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

利用預測模型預測出2016和2017年的各月銷售量見表2、圖4。圖4企業(yè)銷售總量預測圖

圖4企業(yè)銷售總量預測圖

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

本文編號：3989370