1、 供應鏈管理學年論文設計主題：基于季節變動預測法的模型應用交通運輸學院交運131班 宋 力 201310611010指導教師： 錢佳 完成時間：2015年10月基于季節變動預測法的模型應用摘要：對時間序列數據的預測是供應鏈中對市場需求預測最常見的形式，而時間序列數據由于季度變化的影響以及自身趨勢的變化，預測干擾因素的增加。本文通過使用季節變動預測法中的簡單季節預測法與趨勢比率法，研究了兩種不同變化趨勢下的季節變動模型，分析其適用范圍，并結合具體實例對數據進行預測。關鍵詞：季節變動預測法；簡單季節預測法；趨勢比率法；一、背景介紹在現實經濟生活中，季節變動是一種很普遍的現象。季節變動預測法的基本思

2、想就是通過時間序列分解的方法分離季節變動的影響因素，它的具體做法是：首先，找到描述整個時間序列總體發展趨勢的數學模型，即分離趨勢線；然后，找到季節變動對預測對象的影響，即分離季節影響因素；最后，將趨勢線與季節影響因素合并，得到能夠描述時間序列總體發展規律的預測模型，并用于預測二、簡單季節平均法2.1方差分析判斷季節變動的存在如果時間序列具有水平趨勢，且受季節影響，則采用簡單預測法：2.2簡單季節平均法原理(1)求yt的均值y(2)剔除趨勢，求出St(3)估計季節指數：S(4)建立數學模型預測：y其中yt+為第t+期的簡單季節預測值，s三、案例一表一展示了川福火鍋湯底產品在最近16個季度內（季度

3、已轉化成為數字序列）的銷售情況（萬包），使用季節變動預測法預測未來一年內各季度的數據：表一時間t12345678數據值y11253171224309時間t910111213141516數據值y1326328102731103.1.季節變動的判斷： （1）繪制時間序列散點圖，并使用Excel軟件添加一次線性趨勢曲線，消除時間序列中的趨勢數據，然后通過一次線性模型求得趨勢值（見表二）：圖一（2）用各期的時間序列值除以其趨勢值，得到季節指數的預測值（見表二）表二時間t數據值y_t趨勢值季節指數值11118.57350.592241622518.6471.340698233118.72051.6559

4、3874718.7940.372459351218.86750.636014362418.9411.267092673019.01451.57774338919.0880.471500491319.16150.6784438102619.2351.3517026113219.30851.657301212819.3820.4127541131019.45550.5139935142719.5291.3825593153119.60251.5814309161019.6760.5082334（3）假定季節長度為L=4,將估計值分為四組，使每組數據只包含相同季節數據：表三第一季度第二季度第三季度第

5、四季度0.5922421.3406981.6559390.3724590.6360141.2670931.5777430.47150.6784441.3517031.6573010.4127540.5139931.3825591.5814310.508233（4）方差分析法：使用Excel數據分析中的方差分析功能，對表三數據進行方差分析方差分析：單因素方差分析SUMMARY表四組觀測數求和平均方差列 142.4206930.6051730.004934列 245.3420531.3355130.002395列 346.4724141.6181040.001981列 441.7649470.44

6、12370.003649方差分析表五差異源SSdfMSFP-valueF crit組間3.85090231.283634396.26252.91E-123.490295組內0.038872120.003239總計3.88977415從方差分析結果可以看出，組間差異平方和SA(“組間”)為3.8509，組內差異平方和SE(“組內”)為0.0389，總差異平方和ST(“總計”)為3.8898。因此，得到F統計量值396.2625，而F臨界值（”F crit3.2不變季節指數預測法-簡單季節預測法(1)剔除趨勢:用各期的時間序列值除以平均值，得出季節指數值(2)由于數據具有季節長度為4的季節變動，因

7、此，對同季節的季節指數值求平均值。應用預測模型yt+表六第一季度第二季度第三季度第四季度均值y0.6013071.3333331.6209150.444444預測值11.525.49999318.499992即預測求得下一年四季度的預測值分別為：11.5萬件、25.5萬件、31萬件、8.5萬件。四、趨勢比率法4.1 方法介紹如果一個時間序列數據具有線性趨勢，且受到季節變動的影響，則可以采用趨勢比率法：建立趨勢方程T根據趨勢方程，計算各期預測值T剔除趨勢，St初步估計季節指數，對同季節的St求平均值，以消除隨機干擾：最終估計季節指數。S=1Li=1建立趨勢季節模型：yt4.2 案例二已知惠南地區

8、波司登服裝專賣店20032005年各季度的利潤額，試預測2006年各季度的凈利潤：表七年份200320042005季度123412341234利潤額412529375033324462404455繪制散點圖，并通過添加趨勢線求得趨勢值圖二剔除趨勢，求季節指數值（方法與案例一相同，數據見表九）初步估計季節指數值：對同季節的指數求平均值最終估計季節指數S=1Li=1LSi , S表八1234均值初步估計值1.3271530.8090840.8319151.0343511.000626最終估計值1.3263230.8085780.8313951.033704（5） 根據趨勢季節模型公式yt（6） 計

9、算百分比誤差，從而得到預測精度指標MAPE值，求得MAPE= 0.036983表九年份季度時間值利潤額趨勢值季節指數值預測值百分比誤差2003114131.23121.31278977441.422660.0103088222533.00740.75740591526.689060.0675623332934.78360.83372623928.91890.0027965443736.55981.01204054737.792020.02140592004155038.3361.30425709550.845920.0169184263340.11220.82269234832.433840.

10、0171563373241.88840.76393464534.82580.0883061484443.66461.0076812845.136280.02582452005196245.44081.36441259860.269180.02791642104047.2170.84715250938.178630.04553433114448.99320.89808381640.732690.07425714125550.76941.08332972252.480540.0458084( 7 ) 利用趨勢線方程得到2006年利潤額的趨勢值與預測值（見表十）圖三表十2006年趨勢值預測值第一季度

11、52.545669.69244063第二季度54.321843.92341415第三季度56.09846.63958295第四季度57.874259.82480127即2006年四季度的利潤額預測值如下表所示，預測均誤差為3.7%。根據文獻3知預測時間為1年時，精度要求范圍 ，符合要求，即上述預測具有較高的精度。從圖三也可以看出預測值與實際值擬合效果好，可以有效反映市場發展的狀況，進行有效的預測。五、結語時間序列數據預測在生活應用廣泛，例如在供應鏈管理的MTO與MTS模型中，對市場的預測往往起著決定性作用，而不變季節變動預測法無論是理論上還是計算上都相較簡單，易懂。它即考慮了季節指數的趨勢性變化，又充分利用了已知數據信息，可信度較高，是很好的不變季節變動模型的預測方法。參考文獻:1李鋒:經濟預測與決策實驗教程M.華南理工大學出版社，