统计模型在物流需求预测中的应用
摘 要：物流需求预测是通过对历史数据进行分析和研究，对未来的物流需求状况进行预测的过程。准确的预测一个地区的物流需求能够有效的减少人力和物力的浪费。本文首先介绍了三个不同发展阶段的物流需求预测的研究方法。得到目前预测较精确的方法是采取基于时间序列的组合预测模型的方式。其次讨论了国内外对于物流需求研究的侧重点比较，最后说明了目前已有模型仍存在的局限性以及对其的改进。
关键词：物流需求；时间序列；ARIMA-SVM模型；组合预测模型
物流需求预测研究方法
物流需求源于社会经济活动，同时受到物流供应系统的影响，因而它与社会生产及经济生活都有着密切的联系。社会的各种经济因素的变化都会对物流供应产生重要的影响，物流需求也随之产生有规律而又随机的变化。季节性变化、生产力布局、经济建设与发展的不同阶段等因素都会使物流需求呈现出不同的特性。因此进行物流需求的预测较为复杂，对物流需求预测的方法也经历了不同的阶段。
根据预测方法的发展历程和精确化程度的高低，物流需求预测方法的发展大致可以划分为三个阶段。
第一阶段
第一阶段的预测方法以传统统计学为基础，主要有回归分析法、时空多项概率模型、指数平滑法和差分自回归移动平均法等。
汪宇瀚（2006）将影响物流市场需求变化的宏观经济因素作为自变量，将物流需求作为因变量，建立变量之间的回归方程，并将回归方程作为预测模型，根据宏观经济指标在预测年份的变化来预测物流需求的情况。得出物流总量与宏观经济总量呈正相关的结论。
田根平、曾应昆（2007）采用时间序列模型进行物流需求分析，通过实例数据进行模型的定阶以及参数估计和检验，拟合出适合预测中短期内物流需求的ARMA模型。可以证明，预测的时间越远，预测数值的方差越大。因此这需要及时掌握最新的数据，并对预测方程进行修正，使其达到最佳。
这些方法利用物流需求的历史数据来进行预测，没有考虑影响因子对物流需求预测结果的影响，然而实际上影响物流需求的因子众多，且呈非线性关系，传统预测方法建立的模型无法科学全面的反映物流需求变化规律，预测精度不高。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
