| 主权项 |
一种面向供应链系统的多尺度需求预测方法，其特征在于：1）综合考虑针对某一预测对象的长期趋势、周期波动和近期市场消费情况，以及当前突发的随机扰动因素，计算得到下一时期的需求预测值为<img file="dest_path_re-dest_path_image001.GIF" wi="44" he="26" />，则：<img file="dest_path_dest_path_image002.GIF" wi="321" he="68" />（1）式（1）中（<img file="dest_path_re-dest_path_image003.GIF" wi="53" he="21" />）指的分别是长期（<img file="dest_path_dest_path_image004.GIF" wi="15" he="20" />）、中期（<img file="dest_path_re-dest_path_image005.GIF" wi="20" he="20" />）和短期（<img file="dest_path_dest_path_image006.GIF" wi="18" he="20" />）的多维时间尺度，联合构成一个特定的具体时间段；<img file="dest_path_re-dest_path_image007.GIF" wi="44" he="26" />是指针对预测对象的下一时期（<img file="dest_path_dest_path_image008.GIF" wi="53" he="21" />）的长期趋势预测值，<img file="dest_path_re-dest_path_image009.GIF" wi="42" he="26" />是指针对预测对象的下一时期（<img file="dest_path_558666dest_path_image003.GIF" wi="53" he="21" />）的周期波动预测值，<img file="dest_path_dest_path_image010.GIF" wi="44" he="26" />是指针对预测对象的下一时期（<img file="dest_path_541053dest_path_image008.GIF" wi="53" he="21" />）的近期消费预测值，<img file="dest_path_re-dest_path_image011.GIF" wi="45" he="26" />是指针对预测对象的下一时期（<img file="dest_path_383107dest_path_image008.GIF" wi="53" he="21" />）的随机扰动预测值；<img file="dest_path_dest_path_image012.GIF" wi="21" he="24" />是指为以上各个预测成分设定的权值；其中，长期趋势预测值<img file="dest_path_778317dest_path_image007.GIF" wi="44" he="26" />主要反映需求的总体发展水平，设实际的长期需求历史数值为<img file="dest_path_re-dest_path_image013.GIF" wi="53" he="27" />，<img file="dest_path_dest_path_image014.GIF" wi="54" he="27" />，<img file="dest_path_dest_path_image015.GIF" wi="53" he="27" />，……，<img file="dest_path_dest_path_image016.GIF" wi="54" he="27" />，首先计算出长期趋势的环比速度：<img file="dest_path_dest_path_image017.GIF" wi="84" he="51" />，<img file="dest_path_dest_path_image018.GIF" wi="87" he="51" /><img file="dest_path_dest_path_image019.GIF" wi="86" he="51" />，……，<img file="dest_path_dest_path_image020.GIF" wi="105" he="51" />（2）然后计算出长期趋势的平均环比速度<img file="dest_path_dest_path_image021.GIF" wi="12" he="24" />：<img file="dest_path_dest_path_image022.GIF" wi="507" he="57" />（3）由此可以得出<img file="dest_path_dest_path_image023.GIF" wi="44" he="26" />为：<img file="dest_path_dest_path_image024.GIF" wi="266" he="57" />（4）2）周期波动预测值<img file="dest_path_dest_path_image025.GIF" wi="42" he="26" />周期波动预测值<img file="dest_path_dest_path_image026.GIF" wi="42" he="26" />主要是考虑了很多商品呈现的中期市场需求周期性波动规律，设实际需求历史数值为<img file="dest_path_dest_path_image027.GIF" wi="51" he="27" />，<img file="dest_path_dest_path_image028.GIF" wi="53" he="27" />，<img file="dest_path_dest_path_image029.GIF" wi="53" he="27" />，……，<img file="dest_path_dest_path_image030.GIF" wi="54" he="27" />，则：<img file="dest_path_dest_path_image031.GIF" wi="425" he="27" />（5）式（5）中的<img file="dest_path_dest_path_image032.GIF" wi="17" he="18" />是预测误差调节系数，式（4）表明当前针对下一时间段的预测值<img file="dest_path_966590dest_path_image009.GIF" wi="42" he="26" />是当前时间段的实际值<img file="dest_path_dest_path_image033.GIF" wi="51" he="27" />与上次针对当前时间段的预测值<img file="dest_path_dest_path_image034.GIF" wi="51" he="26" />的加权平均，式（5）可进一步演绎为：<img file="dest_path_dest_path_image035.GIF" wi="470" he="80" />（6）这表明根据历史的周期波动预测情况和历史上实际的市场需求情况可计算得出下一时间段的周期波动预测值<img file="dest_path_dest_path_image036.GIF" wi="42" he="26" />；3）近期消费预测值<img file="dest_path_916616dest_path_image010.GIF" wi="44" he="26" />近期消费预测值<img file="dest_path_dest_path_image037.GIF" wi="44" he="26" />主要是选取短期一段时期内的市场需求情况来进行加权平均以预测未来时间段市场的需求情况，设近期的市场需求情况为<img file="dest_path_dest_path_image038.GIF" wi="53" he="27" />,<img file="dest_path_dest_path_image039.GIF" wi="54" he="27" />,<img file="dest_path_dest_path_image040.GIF" wi="53" he="27" />,……,<img file="dest_path_dest_path_image041.GIF" wi="54" he="27" />，则：<img file="dest_path_dest_path_image042.GIF" wi="480" he="45" />（7）式（7）中的<img file="dest_path_dest_path_image043.GIF" wi="18" he="24" />是权重调节系数；4）随机扰动预测值<img file="dest_path_308283dest_path_image011.GIF" wi="45" he="26" />随机扰动预测值<img file="dest_path_507184dest_path_image011.GIF" wi="45" he="26" />主要是受到随机突发的事件的影响，主要是依赖人的主观判定，主要通过定性预测中的专家调查法、用户期望调查法、部门主管意见和销售人员意见汇集法来人为的估算出来。 |
