基于灰色预测模型的上海世博会分析 张文彬华北电力大学保定 张静峰华北电力大学科技学院保定 摘要：众所周知，世博会正日益成为全世界人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。世博会的举行可以推动该城市经济的发展。本文基于灰色预测模型从第一、第二、第三产业、进出口贸易、居民消费价格指数等方面对上海世博会的举行对上海经济的发展进行了分析和说明。 关键词：灰色预测模型，世博会，经济发展 一前言 世界博览会是人类文明的驿站。自1851年伦敦的万国工业博览会开始，世博会正日益成为全球经济、科技和文化领域的盛会，成为各国人民总结历史经验、交流聪明才智、体现合作精神、展望未来发展的重要舞台。 中国是一个历史悠久的文明古国，2010年世界博览会的成功举行，让中国了解了世界，也让世界更多的了解中国，同时上海世博会的成功举行对上海经济的发展也起到了巨大的推动作用。而评价经济体系的指标有很多，本文选择有代表性的第一产业（农业、林业、牧业、渔业等）、第二产业（采矿业、制造业、电力、燃气及水的生产和供应业，建筑业等）、第三产业（交通运输业、邮电通讯业、商业饮食业等流通类行业和金融业、保险业、旅游业、教育文化、酒店业等服务类产业）、居民消费价格指数、进出口贸易等指标[1][2]，根据上海统计年鉴中1997-2002年各指标的数据，剔除世博会举行的因素，利用灰色预测模型对2003-2009年的相关数据进行预测，并进行了残差分析，然后根据实际世界博览会举行时各项指标数据，通过与预测数据的图形对比，可以直观反映出上海世博会对上海经济发展的影响力，并对相关数 据进行了分析。 二灰色预测模型[3][4] 灰色系统理论最早由华中理工大学邓聚龙教授提出，先后发表过灰色控制、灰色预测、灰色决策等多部专著，较详细在阐述了灰色系统理论的产生、原理与应用。什么叫灰？用邓先生自己的话来讲：“完全已知的系统称作白系统；完全未知的系统称作黑系统；部分已知、部分未知的系统称作灰色系统。”，而灰色预测就是采用已知的数据来预测未知的数据的一种方法。其中G表示Grey(灰，M表示Model(模型，前一个“1”表示一阶，后一个“1”表示一个变量，GM(1, 1则是一阶，一个变量的微分方程预测模型。其算法流程如下： 1．由已知数据得初始，并按生成新的数列 。
改进灰色模型及其在变形预测中的应用 文章介绍了常用的变形预测[1]模型：GM （1，1）模型[2]（即灰色模型），考虑背景值[3]对模型精度的影响。对其进行改进，获得PGM（1，1）模型[4]。并通过编程加以实现。且通过实例比较，证明PGM（1，1）模型的预测效果更好。 标签：变形预测；灰色模型；背景值；加权灰色模型 1 概述 变形是指各种荷载作用于变形体，使其形状、大小及位置在时间域或空间域发生的变化。变形预测就是根据对观测数据进行后期处理，来揭示变形监测数据序列的结构与规律，以建立动态预测模型，反映变形特征，推断变化趋势，进而建立起正确的变形预报理论和方法[1]。由于灰色理论解决复杂系统的独特优点，故而灰色模型在变形预测多有应用[5]。 2 改进灰色模型 2.1 GM（1，1）模型的建立 在灰色系统理论[2]中，利用较少的或不确切的表示灰色系统行为特征的原始数据序列作生成变换（如累加、累减）后建立的，用以描述灰色系统内部事物连续变化过程或其规律的模型，称为灰色模型，简称GM模型。GM（1，1）模型是1阶的，1个变量的微分方程型模型，是灰色预测的典型模型。GM（1，1）模型具体建立步骤如下： （1）设有原始等时间的数列，其中n表示观测次序（t=1，2，…，n），对原始数据列中各时刻的数据依次累加， 得新的序列：其中：（1） 累减生成：（2） 累减生成用于根据预测的数列还原出我们所需要的数列。 GM（1，1）模型的微分方程构成形式为：（3） 式中a，b为待识别的模型灰参数，对于变形系统来说，a为发展系数，反映变形发展态势，b为灰作用量。 （2）确定数据矩阵B、Yn：
灰色预测模型理论及其应用 灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测. 尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测. 灰色预测模型只需要较少的观测数据即可，这和时间序列分析，多元回归分析等需要较多数据的统计模型不一样. 因此，对于只有少量观测数据的项目来说，灰色预测是一种有用的工具.本文主要围绕灰色预测GM(1,1)模型及其应用进行展开。 一、灰色系统及灰色预测的概念 1.1灰色系统 灰色系统产生于控制理论的研究中。 若一个系统的内部特征是完全已知的，即系统的信息是充足完全的，我们称之为白色系统。 若一个系统的内部信息是一无所知，一团漆黑，只能从它同外部的联系来观测研究，这种系统便是黑色系统。 灰色系统介于二者之间，灰色系统的一部分信息是已知的，一部分是未知的。 区别白色和灰色系统的重要标志是系统各因素间是否有确定的关系。 特点：灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定型系统的研究对象。 1.2灰色预测 灰色系统分析方法是通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类： (1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。 (2) 畸变预测（灾变预测）。通过模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。 (3) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。 (4) 系统预测，是对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。 上述灰预测方法的共同特点是： （1）允许少数据预测； （2）允许对灰因果律事件进行预测，比如 灰因白果律事件：在粮食生产预测中，影响粮食生产的因子很多，多到无法枚举，故为灰因，然而粮食产量却是具体的，故为白果。粮食预测即为灰因白果律事件预测。白因灰果律事件：在开发项目前景预测时，开发项目的投入是具体的，为白因，而项目的效益暂时不很清楚，为灰果。项目前景预测即为灰因白果律事件预测。
建设与管理工程学院 课程设计 课程名称: 物流系统分析与优化课程设计课程代码:1204179 题目:某物流公司订单额预测 年级/专业/班:2012级物流管理2班 学生姓名:杨超 学号:312012********* 开始时间: 2016年6月6日 完成时间: 2016年6月 20日 课程设计成绩： 指导教师签名：年月日
物流系统分析与优化课程设计 任务书 学院名称：建设与管理工程学院课程代码：__1204179_ 专业：物流管理年级：2012 一、题目 自选题目，题目可以选择当前物流或流通领域热点问题或企业实际情况，开展物流系统分析与优化活动，提交成果，写出总结。选题尽量细小，避免假、大、空。 选题参考： 选题参考： 1、针对当前物流或流通领域的相关问题，在国内外公开出版的刊物上发表论文。 2、物流或流通相关领域的发明创造、创业计划书。 4、针对当前物流或流通领域热点问题的物流系统分析与优化课程设计等。 本人题目：某物流公司订单额预测 二、主要内容及要求 内容与物流或流通领域相关的物流系统分析，形式上可以是（但不限于）以下之一： 1.一人一题，不允许重复。调查类型的题目允许以小组为单位，但个人论文题目应有所区 别，各有侧重。 2.格式要求（附后，含目录、摘要、引言、正文、致谢、参考文献） 3.工作量要求：正文部分字数4000以上 4.阶段性要求：每周必须与导师见面，寻求指导；选题须经导师同意后才可进 入下一阶段； 5.本课程特别强调物流系统分析与优化。抄袭者将不予成绩且无重新提交报告 的资格。 6.提交材料： Ａ、最终成果：（装订顺序为：封面、任务书、课程论文，可能的案例或调查计划。）Ｂ、参考的资料（可以是原始文稿电子文档或纸质件、书、手写的读书笔记、摘抄等反应），共指导教师检查、不存档。
实验一、需求预测模型 预测是用科学的方法预计、推断事物发展的必要性或可能性的行为，即根据过去和现在预计未来，由已知推断未知的过程。 预测分析的具体方法很多，概括起来主要有两种：定量预测法和定性预测法。定量预测法是在掌握与预测对象有关的各种要素的定量资料的基础上，运用现代数学方法进行数据处理，据以建立能够反映有关变量之间规律性联系的各类预测模型的方法体系。定量预测法又可分为时间系列预测法和因果关系预测法。定性预测法是由有关方面的专业人员根据个人经验和知识，结合预测对象的特点进行综合分析，对事物的未来状况和发展趋势做出推测的预测方法。它一般不需要进行复杂的定量分析，适用于缺乏完备的历史资料或有关变量之间缺乏明显的数量关系等情况下的预测。定性预测法又可分为德尔菲法、各部门主管集体讨论法、销售人员意见汇集法、消费市场调查法等。 定性预测法和定量预测法在实际应用中相互补充、相辅相成。定量分析法虽然较精确，但许多非计量因素无法考虑；定性分析法虽然可以将非计量因素考虑进去，但估计的准确性在很大程度上受预测人员的经验和素质的影响，难免产生预测结论因人而异，带有一定的主观随意性。因此，在实际工作中常常是二者结合，相互取长补短，以提高预测的准确性和预测结论的可信度。 不管何种机构，如果按照以下步骤进行预测，将会使自己的预测结果更加有效：⑴明确定预测目标；⑵将需求规划和预测结合起来；⑶识别影响需求预测的主要因素；⑷理解和识别顾客群；⑸决定采用适当的预测方法；⑹确定预测效果的评估方法和误差的测度方法。 通过上面的介绍，我们知道，需求预测的方法很多，而在本次实验中，我们主要训练学生如何使用Excel来完成定量预测法中时间序列预测法的计算和分析工作。 一、实验目的 1、掌握如何建立时间序列预测模型，并能根据不同的系统需求框架选择合适的预 测方法。 2、掌握如何用Excel完成时间序列预测模型的计算和数据分析工作，包括回归分 析、预测误差的测定。 二、实验内容 1、时间序列预测法的相关知识 任何预测方法的目的都是预测系统需求部分和估计随机需求部分。系统需求部分的数据在一般形式下包含有需求水平、需求趋势和季节性需求。它也可能表现为如下列方程所示的多种形式。 ○复合型：系统需求=需求水平×需求趋势×季节性需求 ○附加型：系统需求=需求水平+需求趋势+季节性需求 ○混合型：系统需求=（需求水平+需求趋势）×季节性需求 运用于既定预测的系统需求部分的具体形式，取决于需求的性质。针对每种形式，企业都可以采用静态法和适应法这两种方法。 下面我们将通过一个实例来阐述时间序列预测法中的静态法和适应法，在预测过程中，我们假定系统需求是混合型，即系统需求=（需求水平+需求趋势）×季节性需求。 2、引例 天然气在线公司利用现有的管道设施供应天然气，同时满足各个分销商的网上紧急订购需求。该公司自2003年第二季度成立以来，需求一直在增长。计划年度将从某给定年度的第二季度开始，并延续到下一年的第一季度。公司正在规划其必备的生产能力及从2006年第
A公司物流网络优化设 09物流管理二班 第五小组：章克彬郭少纯郑伯加 黄水凤杨志平
目录 1 案例介绍 (3) 2.1 A公司简介 2.2 A公司现有物流模式概况及存在问题 2 RDC选址的要求 (5) 3 RDC选址的基本条件及原则 (6) 3.1 RDC选址的基本条件 4 A公司RDC选址的基本思路 (7) 5 RDC选址的具体过程 (7) 5.1 分仓库的区域整合 (7) 5.1.1 RDC选址影响因素分析 5.1.2 基于模糊聚类法仓库聚类组合 5.2 最佳RDC区域地点的确定 .......................................................... 5.3 最优RDC的区域选址 (16) 5.3.1 RDC选址问题分析 5.3.2 RDC选址的基本假设 5.3.3 模型的建立及求解 1 案例介绍 1.1 A公司简介 A公司集团成立于1980年5月，座落在风光秀丽的深圳湾畔。经过二十多年的快速发展，A公司已成长为总资产100亿元、净资产30亿元、年销售收入
130多亿元的大型电子信息产业集团，和境内外上市的公众股份制公司。公司现有总股本6.02亿股，HQ集团为第一大股东。公司主导业务涉及多媒体消费电子、移动通信、信息网络、汽车电子，以及上游元器件等多个产业领域。是中国彩电行业和手机行业骨干龙头企业，曾连续四年位居中国电子百强第4位，是国家300家重点企业和广东省、深圳市重点扶持发展的外向型高科技企业集团。 其生产彩电和小家电的工厂分别分布在深圳、重庆、咸阳、牡丹江。年产量超过2000万台。销售商上万家，遍及全国各地，随着销售市场的扩张，客户群的分散，A公司原有的一对多的批发型销售模式已经让W公司因为时效性等丧失了很多的销售量和客户。长距离的预定式物流模式因不能对市场需求做出及时的反应而满足不了终端客户的需求，为此，A公司销售公司连同物流部决定对现有的物流模式进行改变，决定设立区域RDC，分解工厂CDC的压力，将物流细化做到终端配送，满足客户需求，争取订单，从而降低长途运输成本，提高货物的空间及时间效益。 1.2 A公司现有物流模式概况及存在问题 在讨论设立A公司RDC之前，先对36个仓库进行编号，如表2-1。 表2-1 仓库编号
1.1.5 两岸间液体化工品贸易前景预测 从上述分析可见，两岸间液体化工品贸易总体上呈现上升的增长趋势。然而，两岸间的这类贸易受两岸关系、特别是台湾岛内随机性政治因素影响很大。因此，要对这一贸易市场今后发展的态势做出准确的定量判断是相当困难的；但从另一方面来说，按目前两岸和平交往的常态考察，贸易作为两岸经济与贸易交往的一个有机组成部分，其一般演化态势有某些规律可寻的。故而，我们可以利用其内在的关联性，通过选取一定的数学模型和计算方法，对之作一些必要的预测。 鉴此，本研究报告拟采用一定的预测技术，借助一定的计算软件，对今后10余年间大陆从台湾进口液化品贸易量作一个初步的预测。 (1) 模型的选择 经认真考虑，我们选取了灰色系统作为预测的技术手段，因为两岸化工品贸易具有的受到外界的因素影响大和受调查条件限制数据采集很难完全的两大特点，正好符合灰色系统研究对象的主要特征，即“部分信息已知，部分信息未知”的不确定性。灰色系统理论认为，对既含有已知信息又含有未知信息或不确定信息的系统进行预测，就是在一定方位内变化的、与时间有关的灰色过程进行的预测。尽管这一过程中所显示的现象是随机的，但毕竟是有序的，因此这一数据集合具有潜在的规律。灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。 本报告以灰色预测模型，对两岸间化工品贸易进行的预测如下： 灰色预测模型预测的一般过程为： ① 一阶累加生成（1-AGO ） 设有变量为) 0(X 的原始非负数据序列 )0(X =[)1()0(x ,)2()0(x ,…)() 0(n x ] （1.1） 则) 0(X 的一阶累加生成序列 )1(X =[)1() 1(x ,)2()1(x …)()1(n x ] （1.2） 式中 ) ()(1 )0() 1(i x k x k i ∑== k=1,2…n ② 对) 0(X 进行准光滑检验和对进行准指数规律检验
需求预测方法 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。归纳如图1： 图1：物资需求预测方法 一、 时间序列法 1.定义：将预测对象按照时间顺序排列起来，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。 2.概况： 时间序列法主要考虑以下变动因素：①趋势变动，②季节变动，③循环变动，④不规则变动。 若以S t ，T t ，C t ，I t 表示时间序列的季节因素S t ，长期趋势波动、季节性变动、不规则变动．则实际观测值与它们之间的关系常用模型有 加法模型： 乘法模型： 混合模型： 时间序列预测一般反映三种实际变化规律：趋势变化、周期性变化、随机性变化。 t t t t I S T x ++=t t t t I S T x ??=)() )t t t t t t t t I T S x b I T S x a +?=+?=
3.时间序列常用分析方法：移动平均法、指数平滑法、季节变动法等 （1）移动平均法 ①简单移动平均法：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。例如：5个月的需求量分别是10，12，32，12，38。预测第6个月的需求量。 =27。 可以选择使用3个月的数据作为依据。那么第6个月的预测量Q=32+12+38 3 ②加权移动平均法：将每个时段里的每组数根据时间远近赋上权重。例如：上个例子，3个月的数据，可以按照远近分别赋权重0.2，0.3，0.5。那么第6个月的预测量Q=0.2×32+0.3×12+0.5×38=29（只是在简单移动平均的基础上考虑了不同时段影响的权重不同，简单移动平均默认权重=1.） （2）指数平滑法 基本思想：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。 指数平滑法的通用算法： 指数平滑法的基本公式：St=aYt+(1-a)St-1 式中， 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] 具体方法：一次指数平滑、二次指数平滑、三次指数平滑。 方法的选取：指数平滑方法的选用，一般可根据原数列散点图呈现的趋势来确定。当时间数列无明显的趋势变化，可用一次指数平滑预测。如呈现直线趋势，选用二次指数平滑法；若实际数据序列呈非线性递增趋势，采用三次指数平滑预测方法。如呈现抛物线趋势，选用三次指数平滑法。或者，当时间序列的数据经二次指数平滑处理后，仍有曲率时，应用三次指数平滑法。 （3）季节变动法 根据季节变动特征分为：水平型季节变动和长期趋势季节变动 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。
物流是指从采购、仓储、生产、包装、装卸、销售、运输、配送等诸种行为的整合。它是企业经营活动中影响效率和效益高低的主要因素之一，被称为“第三利润源泉”。本文旨在通过对济南卢堡啤酒有限公司在物流运作方面问题的探索，根据所学知识并引用当今物流行业较为先进的理念，提出合理化建议，为济南卢堡啤酒公司的物流管理的善提供一定的建议和措施，并为今后科学设计企业在物流领域所需的管理系统提供有益的参考。 关键词：第三方物流，ERP，配送，DRP，Crossing-Docking，安全库存，VMI
前言 (4) 1.啤酒行业的物流特点 (5) 1.1主要利润来源 (5) 1.2新鲜度概念的提出 (5) 1.3季节性销售 (5) 2.济南卢堡啤酒物流现状分析评估 (6) 2.1销售配送市场分析 (6) 2.1.1据不同的地理区域，将核心市场与周边市场独立分析 (6) 2.1.2根据销售市场的特点，设立最优的客户服务解决方案 (7) 2.2客户类型分析 (7) 2.3生产及仓储能力分析 (8) 2.3.1根据现有单位生产力 (升/天) 分析结果和现在最大库存能力来 调控不同季节的生产及入库数量 (8) 2.3.2目前物流操作存在的瓶颈 (8) 2.4现有运输及配送资源分析 (8) 2.4.1配送频率 (8) 2.4.2车辆使用绩效及综合运力评估 (9) 2.5 ERP应用现状 (9) 2.5.1ERP简介 (9) 2.5.2ERP应用现状分析 (9) 3.可行性解决方案 (10) 3.1生产周期 (10) 3.1.1根据客户订单实际数量合理安排生产 (10) 3.1.2订单数量的季节性分析 (10) 3.2库存策略及预测 (10) 3.2.1季节性特征明显的库存持有水平分析 (10) 3.2.1安全库存（Safety Stock）的设置 (11) 3.2.3多级库存策略探讨 (11) 3.3ERP数据支持 (11) 3.3.1基于射频识别技术的ERP管理 (11) 3.3.2RFID 自动化仓库架构图： (12) 3.3.3数据采集与处理： (12) 3.4第三方物流服务提供方协议及注意事项 (12) 3.5 配送优化及运输完善 (12)
宝洁公司库存优化案例 总部位于美国俄亥俄州辛辛那提市的美国宝洁公司(P&G)是世界最大的日用消费品公司之一，全球雇员近10万，在全球80多个国家设有工厂及分公司，所经营的300多个品牌的产品畅销160多个国家和地区，其中包括洗发、护发、护肤用品、化妆品、婴儿护理产品、妇女卫生用品、医药、食品、饮料、织物、家居护理及个人清洁用品。在中国，宝洁的飘柔、海飞丝、潘婷、舒肤佳、玉兰油、护舒宝、碧浪、汰渍和佳洁士等已经成为家喻户晓的品牌。宝洁公司尽管已经建立了家化产品的帝国，仍然居安思危，兢兢业业，在其日常经营活动中坚持降以低存货水平作为其降低供应链成本为主要手段。 在超市我们买一个我们生活中常用的生活用品，而正好这瓶洗发水是宝洁公司生产的产品，我们觉得很简单，只是拿货交钱，但宝洁公司将这个产品从其工厂送到这个超市再到我们的手中，却并不是轻而易举的事情。 宝洁公司供应链研究和开发部总经理泰尔顿，表示，想方设法把宝洁公司的产品不断地补充到世界各地零售商货架上，其本身与一场持久战没有什么两样，尤其是要把宝洁公司生产的“封面女郎”牌美容霜等热销产品在规定时间内运送到规定地点零售商店货架上，更像是一场激烈战斗。 世界各地消费者对美容产品的需求常常变化多端，零售需求量瞬息万变，市场季节需求波动大，同样一种美容产品今天热销，明天可能被冷落到无人过问，产品研制，产品供应和存货水平必须高度灵敏，紧跟着市场需求走，坚持以市场为导向，不断突出宝洁公司的名牌优势，因此宝洁公司从美国延伸到世界各地的供应链必须拥有反应快，效率高和持续性革新的特点。 最大优化存货 像宝洁公司这样全球型的大型企业，随时削减貌不惊人的多余存货必将为企业带来巨大的意外利润，这个利润就是一座金矿，而如何能最大限度的挖掘这座金矿为公司带来利润成为每个公司所研究探索的必要项目。多年来，与其它企业一样，集制造商，供货商和批发零售商为一身的美国宝洁公司在经营管理方面坚持创新，其中包括积极推行准时货物递交、卖售管理存货活动、增加精确市场预报、市场营销积极应对、制订销售经营规划合作原则等等;尽管这些措施卓有成效，甚至促成产品市场营销成绩非凡，却无法从根本上保证存货水平与产品市场供销业绩保持同步，常常发生产品供过于求或者供不应求，甚至出现企业家最不喜欢看到的产品在市场内积压或者脱销等极端情况。 问题出在传统存货管理的具体操作规范往往十分教条，总是落后于时代发展步伐，尤其是宝洁公司那样的跨国跨洲的全球性企业供应链几乎每周和每月向世界各地延伸和扩大，承包和外包制造商、供应商，批发零售商与日俱增，产品的有效期和多重配送渠道各有不同，因此宝洁公司必须以不断创新的精神，着力重新评估其存货管理程序和操作技术，也就是说，按照市场规律坚持创新改革的存货管理系统，根据需要加大投资，引进物流供应链专业人才和存货管理科学技术设备，其重中之重就是运用电子软件等科学手段最大优化存货。宝洁公司大力削减其全球存货水平不是普通的算术式减法，而是本身结构错综复杂的存货的最大优化，减法和最大化优化两者有天壤之别。“你有总额为1亿美元的存货，使用减法还是最大优化经营管理这批存货会给你带来截然不同的两种不同业绩。”
灰色预测模型原理 综合预测模型（ 灰色预测模型 (1,1)GM ） 为了是更准确的反映市场实际需求情况，我们建立综合预测模型，利用灰色模型 (1,1)GM 对平均销量做确定性增长趋势进行预测。 我们将时间序列2001—2005的实际销量值 (0)t X 累加处理生成新序列(1)t X ，则GM （1，1）模型相应的微分方程为： (1)(1)t t dX X dt αμ+= (20012005t =年 其中 α 为发展灰数 μ 为内生控制灰数 同时通过α?待估参数向量，?ααμ ??= ??? ，利用最小二乘法求解。解得： ()1?T T B B B Y α-= 矩阵B 为 (1)t X 取累加平均值所得 矩阵Y 为 (0)t X 转置矩阵 求解微分方程，即可得预测模型： ()()1011?t t X X e αμμαα-+??=-+???? ，(20012005)t =年 灰色模型算法描述： Step1. 累加处理生成新序列(1)t X Step2. 迭代计算出矩阵B 迭代计算 (1)(1)12t t t X X V ++= (20012004)t =年
得到 11,2111t t V B V --????=?????? Step3. 生成矩阵Y (0)1t t V X += ( 20012004t =年 T t t Y V = Step4. 计算系数矩阵α ? ()1 ?T T B B B Y α-= 解得,αμ Step5. 由得到的灰数,αμ 解微分方程 ()()1011?t t X X e αμμαα-+??=-+??? ? 即 预测出2006年的书号的平均销售量 Step6. 灰色模型残差检验
灰色系统理论的研究 摘要：科学地预测尚未发生的事物是预测的根本目的和任务。无论个体还是组织，在制定和规划面向未来的策略过程中，预测都是必不可少的重要环节，它是科学决策的重要前提。在众多的预测方法中，灰色预测模型自开创以来一直深受许多学者的重视，它建模不需要太多的样本，不要求样本有较好的分布规律，计算量少而且有较强的适应性，灰色模型广泛运用于各种领域并取得了辉煌的成就。本文详细推导GM（1,1）模型，另外对灰关联度进行了进一步的改进，让改进的计 算式具有唯一性和规范性[]4 。通过给出的实例高校传染病发病率情况，建立了GM(1,1)预测模型， 并预测了1993年的传染病发病率。另外对传染病发病率较高的痢疾、肝炎、疟疾三种疾病做了关联度分析，发现痢疾与整个传染病关系最密切，而肝炎、疟疾与整个传染病的密切程度依次差些。 关键词：灰色预测模型；灰关联度；灰色系统理论
灰色系统理论的研究 GM(1,1)预测与关联度的拓展 1、引言 模型按照对研究对象的了解程度可分为：黑箱模型、白箱模型、灰箱模型。黑箱模型：信息缺乏，暗，混沌。白箱模型：信息完全，明朗，纯净。灰箱模型：信息不完全，若明若暗，多种成分。 1.1、研究背景 1.1.1、国内研究现状 灰色系统理论在我国提出至今已有二十几年的历史，它的应用引起了人们的广泛兴趣，不论是我国粮食发展决策中总产量预测模型，还是对湖北2000年宏观经济的发展趋势的量化分析，抑或是河南人民胜利渠的最佳灌溉决策，还是武汉汉阳火车对火车装车吨位的预测等，无一不是灰色预测系统理论杰出的硕果。 1.1.2、国外研究现状 灰色系统理论在国际上也产生了很大的影响，IBM公司要求将灰色系统软件加入其为全球服务的管理软件库。目前英国、美国、德国、日本、澳大利亚、加拿大、奥地利、俄罗斯等国家、地区及国际组织有许多学者从事灰色系统的研究和应用。 国内外84所高校开设了灰色系统课程，数百名博士、硕士研究生运用灰色系统的思想方法开展学科研究，撰写学位论文。国际、国内200多种学术期刊发表灰色系统论文，许多会议把灰色系统列为讨论专题，SCI、EI、ISTP、SA、MR、MA等纷纷检索我国灰色论著。 1.2、研究意义 邓聚龙教授提出灰色系统有着重要的意义: (1) 是系统思维和系统思想在方法论上的具体体现; (2) 是科学方法论上的重大进展, 具有原创性的科学意义和深远的学术影响，是对系统科学的新贡献。 2、灰色系统及灰色预测的概念 2.1、灰色系统理论发展概况 2.1.1、灰色系统理论的提出 著名学者邓聚龙教授于20世纪70年代末、80年代初提出。
浅析卷烟需求预测的基本方法当前，卷烟市场呈现“工、商、零”三维一体的新型格局，市场的卷烟货源投放来自于卷烟需求预测，卷烟需求预测工作的虚实影响到卷烟市场的货源满足率。作为最贴近市场、最了解市场、最熟悉客户的客户经理，我们无疑在卷烟市场需求预测方面占有举足轻重的地位，其预测准确率的高低直接关系到“按客户订单组织货源”的可行性及“卷烟市场营销上水平”的进程。 卷烟需求预测就是在卷烟市场调研和对卷烟销售历史数据分析的基础上，运用科学分析方法，对市场需求及未来变化趋势进行分析研究，从而预测未来市场需求和变化趋势的过程。卷烟需求预测一般分为定性预测法和定量预测法。定性预测法是利用对业务知识熟悉、具有丰富经验和较强的综合分析能力的业务人员或专家学者，根据卷烟销售历史资料和相关资料，对卷烟未来销售趋势做出性质上的判断和预测。 定量预测法则是利用销售历史资料，运用一定的数学分析方法和数学模型，找到数据或影响变量之间的规律性联系，以此对卷烟需求或销售的变化趋势做出定量的分析和预测。 卷烟是一种特殊消费商品，其销量以时间为序列，呈现一定的销售规律，但由于消费者的不确定因素，单靠定性或定量预测方法是不能准确预测其销量的。在实际工作中，往往是定性和定量分析和预测方法结合使用。以定性分析确定卷烟市场需求发展趋势，然后以定量预测方法确定数学模型，从而对卷烟市场需求和销售变化
情况做出准确和精确的判断和预测。下面，我将结合“镇巴辖区卷烟销售情况”，对现用的卷烟需求预测方法之“移动平均法”做以实例说明。一、现有方法介绍： <一）、方法说明： 移动平均预测法是一种重要的时间预测方法，它能反映数据的变化趋势，具有较好的修匀历史数据、消除随机波动影响的作用。对具有长期趋势变动和季节性变动的时间序列数据，经过移动平均调整后，可以消除不规律的变动，从而较好地揭示经济现象的长期发展趋势。<二）、计算公式： n y y y M n t t t t ---+++= K 211 注： 1 t M 为第t 期的移动平均值， t y 代表第t 期的实际销量，n 代表平均预测法的跨 度周期<通常取n=3、n=5） <三）、方法步骤： 见下表，以镇巴2018年5月份需求预测为例： 镇巴2018年5月份需求预测(移动平均法>
前言 随着市场竞争的不断深化和加剧，企业在充分挖掘“第一利润源泉”(节约原材料)、“第二利润源泉”(提高劳动生产率)之后，转向建立和改进高效的物流系统，并将之称为尚待挖掘的“第三利润源泉”，这己成为现代企业“最重要的竞争领域”。物流运作水平的高低成为判断企业现代化经营水平的一个重要标准，现代物流业的发展水平也被看作衡量一个国家综合经济实力的重要标志之一。 现代物流业的发展离不开现代信息技术的支持，应用以信息技术为代表的现代科技手段，适应现代社会对物流服务快速、安全、可靠、低费用的需求，是现代物流服务的主要发展方向之一。 JY物流作为一个仓储型的第三方物流企业，无论在技术还是体制都占一定的优势，但如何制定发展战略仍将显得尤为重要。从JY集团自身出发，以市场需求为导向，以整合资源，优化路线为基础，以信息技术为核心竞争力，以降低运营成本，增加市场份额为目标应当成为JY集团的总体发展战略的核心要素。 在指导思想的总体框架内，本方案整体分为JY物流网络的优化，仓库内部的布局合理化，业务流程的再造、新业务的拓展，企业文化、绩效评价。从JY 集团面临的一些明显问题入手，并以此为突破口在网络优化上实施优化，逐渐深入。接着对现有业务流程进行符合当今企业内外环境的再造，以保障和增强省内零担快运的核心竞争力，为了辐射全国的一些盲点地区我们创新地提出了基于ASP模式的物流动态联盟，并与当地物流仓储企业合作达到全国的覆盖。 本方案严格按照案例所提供的数据和信息，并结合JY集团实际情况，综合运用了工程、管理、经济、技术等不同领域的多种科学方法和技术手段。
目录 前言 (1) 1绪论 (5) 1.1JY物流的发展过程及概述 (5) 2 JY物流存在的问题分析 (10) 3 物流规划 (12) 3.1 基于同城配送体系下的车辆调度 (12) 3.2 运输网络规划 (14) 3.2.1 “轴辐式”网络的特点 (14) 3.2.2“轴辐射”的运营模式 (15) 3.2.3网络问题的描述 (15) 3.2.4在途运输成本 (16) 3.3集团文化SWOT分析 (18) 3.3.1初步解决思路 (20) 3.4仓库 (21) 3.4.1物流仓库主要区域布局 (21) 3.4.2自动分拣系统 (22) 3.4.3设备选型 (24) 3.4.4 仓储设备 (26) 3.5物流园区的选址问题探究 (27) 4 业务流程再造 (30) 4.1物流金融概述 (30) 4.2物流金融发展的背景 (31) 4.3第三方物流企业开展金融服务的模式选择 (31) 4.4物流金融面临的风险分析及对策 (35) 4.5物流信息系统 (37) 4.5.1JY物流信息系统的SWOT分析 (37) 4.5.2 系统结构 (38) 4.5.3业务信息系统 (40) 4.5.4 配送信息管理 (41) 4.5.6 营运管理功能 (42) 5人力资源管理优化 (43) 5.1人员选拔 (43) 5.2 员工的培训与发展 (44) 5.2.1对企业员工绩效定期不定岗位的培训 (44) 5.3 人员考评 (45)
参赛作品: 佳吉运输网络优化参赛队名: 负责队长: 院系专业: 工商管理学院
目录 第一章环境分析 (3) 第二章成本分析 (4) 第三章基于运输网络的系统优化.............................. 错误!未定义书签。第四章基于运输资源的系统优化 (9) 第五章基于质量管理的系统优化 (10) 第六章增值服务 (11)
导语： 佳吉是中国著名的网络型公路运输企业，截止2008年，佳吉快运拥有自备车辆3000余部，在全国（除西藏外）设立运输经营网点1000余个，覆盖了中国经济比较发达的所有重要城市，成为拥有员工9000余人，营业额在10亿元以上的国内大型运输企业集团。企业注册资金一亿元人民币；现拥有员工近万人,其中高学历、高职称、物流专业人员近半;2005年运输网点总数近1000个;拥有3000余台车辆,其中95%以上是标准箱式货车,长途车约1200余辆，市内配送货物的车辆约1800辆。另外拥有可调配车辆1500余台；2005年运输总收入逾10亿元,发展速度每年以30%以上的增长率递增。在深入分析了比赛案例后，我们对佳吉进行了进一步调查，对佳吉公司的经营状况和业务流程等方面有了一定的了解，面对着佳吉公司在案例中提及到的各种纷繁复杂的运营问题，本方案主要针对佳吉集团的运输网络、资源优化、增值服务、质量管理四大块，进行流程优化和项目设计。我们以实用性、针对性和前瞻性的方案设计原则，以及结合佳吉公司未来的发展需要，探讨关于佳吉公司物流方案设计。 第一章环境分析 随着中国经济的飞速发展，中国物流业这块“蛋糕”越来越让人垂涎。有数据表明，GDP 每增长1%，速运市场将增长2.93%，以中国GDP 年增长8%计算，则中国物流业的年增长率将高达23.4%。《中共中央关于制定“十二五”规划的建议》提出，“加快发展服务业——把推动服务业大发展作为产业结构优化的战略重点”，物流业作为国民经济的加速器，将迎来新的发展机遇期。同时，“十二五”规划建议中也提出“加快发展服务业——把推动服务业大发展作为产业结构优化的战略重点”，《物流业发展中长期规划(2012-2020)年》已被列入“十
灰色预测模型及应用论 文 公司标准化编码 [QQX96QT-XQQB89Q8-NQQJ6Q8-MQM9N]
灰色系统理论的研究 GM(1,1)预测与关联度的拓展 摘要：科学地预测尚未发生的事物是预测的根本目的和任务。无论个体还是组织，在制定和规划面向未来的策略过程中，预测都是必不可少的重要环节，它是科学决策的重要前提。在众多的预测方法中，灰色预测模型自开创以来一直深受许多学者的重视，它建模不需要太多的样本，不要求样本有较好的分布规律，计算量少而且有较强的适应性，灰色模型广泛运用于各种领域并取得了辉煌的成就。本文详细推导GM（1,1）模型，另外对灰关联度进行了进一步的改进，让改进的计算式具有唯一性和规范性[]4。通过给出的实例高校传染病发病率情况，建立了GM(1,1)预测模型，并预测了1993年的传染病发病率。另外对传染病发病率较高的痢疾、肝炎、疟疾三种疾病做了关联度分析，发现痢疾与整个传染病关系最密切，而肝炎、疟疾与整个传染病的密切程度依次差些。 关键词：灰色预测模型；灰关联度；灰色系统理论 The Research of Grey System Theory GM（1,1) prediction and the expansion of correlation xueshenping Instructor: tangshaofang Abstract：Science has not yet occurred to predict the fundamental thing is to predict the purpose and mission. Whether individuals or organizations, in developing future-oriented strategy and planning process, the forecasts are essential and important aspect, which is an important prerequisite for scientific decision-making. Among the many prediction methods, the gray prediction model has been well received since its inception attention of many scholars, it does not require much sample modeling, does not require a better distribution of the sample was calculated, and has strong adaptability less , gray model widely used in various fields and has made brilliant achievements.
青岛高校信息有限公司 房地产需求预测数学模型设计 2017年1月12日
目录 1 房地产需求影响因素 (2) 2 模型建立 (2) 2.1 逐步回归分析 (2) 2.2 自回归移动平均算法 (3)
1 房地产需求影响因素 房地产种类很多，本文以商品住房为例，预测房地产需求。影响房地产需求的因素有很多，主要影响因素包括： 1、区域人口总数。区域住房总面积一定，人口总数越多，房产需求越大； 2、人均可支配收入。人均可支配收入体现居民的实际购买力，依此体现居 民购买住房的可能性； 3、区域生产总值。国民经济发展水平直接影响各行业的发展，经济水平的 提高必然带动房地产业自身的发展和其他行业对房地产的需求； 4、房地产价格。购房人群对房地产价格敏感，房地产价格是影响房地产需 求的主导因素之一； 5、贷款利率。银行贷款利率上调意味着购房成本增加，进而影响房地产需 求； 6、通货膨胀率。房地产是一种具有保值增值的可投资产品，通货膨胀率高 时，购房成为投资者规避通货膨胀风险的一种手段，影响房地产需求。 2 模型建立 建立房地产需求预测数学模型，预测模型可以采用逐步回归分析算法和时间序列分析的自回归移动平均法。 2.1 逐步回归分析 在第一节的因素分析中，各因素之间有可能存在一定的相关关系，当两个因素之间有一定相关关系时，可以解释为这两个因素反映房地产需求的信息有一定的重叠。 多重共线性检验可以将重复的或相关关系较强的变量删除，得到可能少的两两不相关的变量，而且这些变量在反映房地产需求信息方面尽可能保持原有的信息。 第一节的六个因素为影响房地产需求的六个变量，记为X1,X2,?,X6，使用其中一个变量，分别对另外五个变量做线性回归，若相关系数大于0.8，则存在较严重的多重共线性，剔除该变量，直到消除多重共线性，使用最小二乘估计
A公司物流网络优化设 09物流管理二班 第五小组：章克彬郭少纯郑伯加 黄水凤杨志平
目录 1 案例介绍 (3) 2.1 A公司简介 2.2 A公司现有物流模式概况及存在问题 2 RDC选址的要求 (5) 3 RDC选址的基本条件及原则 (6) 3.1 RDC选址的基本条件 4 A公司RDC选址的基本思路 (7) 5 RDC选址的具体过程 (7) 5.1 分仓库的区域整合 (7) 5.1.1 RDC选址影响因素分析 5.1.2 基于模糊聚类法仓库聚类组合 5.2 最佳RDC区域地点的确定 (14) 5.3 最优RDC的区域选址 (16) 5.3.1 RDC选址问题分析 5.3.2 RDC选址的基本假设 5.3.3 模型的建立及求解
1 案例介绍 1.1 A公司简介 A公司集团成立于1980年5月，座落在风光秀丽的深圳湾畔。经过二十多年的快速发展，A公司已成长为总资产100亿元、净资产30亿元、年销售收入130多亿元的大型电子信息产业集团，和境内外上市的公众股份制公司。公司现有总股本6.02亿股，HQ集团为第一大股东。公司主导业务涉及多媒体消费电子、移动通信、信息网络、汽车电子，以及上游元器件等多个产业领域。是中国彩电行业和手机行业骨干龙头企业，曾连续四年位居中国电子百强第4位，是国家300家重点企业和广东省、深圳市重点扶持发展的外向型高科技企业集团。 其生产彩电和小家电的工厂分别分布在深圳、重庆、咸阳、牡丹江。年产量超过2000万台。销售商上万家，遍及全国各地，随着销售市场的扩张，客户群的分散，A公司原有的一对多的批发型销售模式已经让W公司因为时效性等丧失了很多的销售量和客户。长距离的预定式物流模式因不能对市场需求做出及时的反应而满足不了终端客户的需求，为此，A公司销售公司连同物流部决定对现有的物流模式进行改变，决定设立区域RDC，分解工厂CDC的压力，将物流细化做到终端配送，满足客户需求，争取订单，从而降低长途运输成本，提高货物的空间及时间效益。 1.2 A公司现有物流模式概况及存在问题 在讨论设立A公司RDC之前，先对36个仓库进行编号，如表2-1。 表2-1 仓库编号