产销预测模型.xls

定定量量需需求求预预测测模模型型 1 1 简简单单移移动动平平均均法法 下面给出某一企业某月的销售情况 并以不同周期进行了简单平均预测 该模型可由于生产 销售等环节的预测 只要在 实际销量 一栏输入数 就能自动生成各周期预测数值 SFt Sat Sa t 1 SA t 2 n可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 日期实际销量 SAt 预测值 SFt 预测值 SFt 预测值 SFt 改变该列数据即可预测周期 n 3预测周期 n 4预测周期 n 5 120 222 320 41920 66666667 52320 3333333320 25 62020 666666672120 72120 6666666720 521 4 82221 3333333320 7520 4 9232121 520 8 10242221 521 6 11222322 521 8 12232322 7522 8 1323232322 6 142122 666666672323 152222 3333333322 2523 16202222 2522 17232121 522 2 182121 6666666721 521 2 192021 3333333321 521 8 202321 333333332121 4 212421 3333333321 7520 8 222422 333333332222 232223 6666666722 7522 4 242123 3333333323 2523 252022 3333333322 7523 26182121 7522 4 272019 6666666720 2521 4 282319 3333333319 7519 8 292320 3333333320 2519 8 3024222120 8 2 2 加加权权移移动动平平均均法法 加权平均法是给每一个参与预测的数据赋以权重 一般较靠近预测期的实际值所占的权重较大 以下模型只需改变 实际产量 一栏中的数值和根据实际改变 权重指数 栏中的权重值 就能自动得到预测结果 该模型可用于企业生产 销售等环节预测 可根据后面算出的方差值和均方差值来判断预测值与实际值的接近程度 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 周次实际产量 Sat 预测值 SF 预测值 SF 预测值 SF 改变该列数据即可预测周期n 3预测周期n 4预测周期n 5 1100 2111 3112 4111112 1666667 5112115 0666667117 425 6108115 3666667119 9 110 3 7112113 8666667118 775 110 3 8114114 2666667119 110 96 9110115 4666667120 2 111 32 10110115 6666667119 5 111 88 11118114 7333333119 55 110 96 12101116 8666667121 85 112 85 109 68 14106111 7116 65 109 42 15106108 9333333115 825 105 5 16114110 0666667113 4 108 04 17117112 7333333117 15 107 96 18107116 8666667120 2 111 84 19118116 1119 4 111 58 20112117 6333333122 525 113 4 21109116 6122 075 112 3 22110116 1333333119 7 113 44 23118113 8333333120 109 98 24101116 6121 225 113 22 25108113117 3 109 44 26106111 7116 65 109 3 27106108 9333333115 825 105 5 28114110 0666667113 4 108 04 29117112 7333333117 15 107 96 30110116 8666667120 2 111 84 31119117 3120 45 112 54 32118119 1333333123 775 114 5 33101120 1666667125 15 115 38 34108115 4119 525 112 74 35106111 7118 45 109 42 36106108 9333333115 825 106 58 37114110 0666667113 4 108 04 38117112 7333333117 15 107 96 39107116 8666667120 2 111 84 40119116 1119 4 111 58 41112118 0333333122 875 113 72 42109116 9666667122 375 112 56 43117116 4119 925 113 74 44107116 6333333122 65 112 22 45116114 7666667119 475 111 64 46112116 8333333120 825 113 48 47109115 8666667121 475 111 18 48110115 6119 25 112 84 49118113 8333333119 6 109 98 50101116 6121 225 112 98 51108113117 3 109 44 52106111 7116 65 109 3 3 一次平滑指数预测法 一次平滑指数法是基于某一波动值 平滑指数 而进行的预测 一般情况下 平滑指数 值越低 所预测结果就越稳定 以下模型只需改变 实际产量 一栏中的数值和根据实际改变 平滑指数 栏中的值 或改变 首次假设预测值 中的值 就能自动得到预测结果 该模型可用于企业生产 销售等环节预测 可根据后面算出的方差值来判断预测值与实际值的接近程度 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 周次实际产量 Sat a 上月实际销量预测值 1 a 上月预测量 1100 21114011066 312044 410663 6 41234810864 8 511249 2112 867 68 612244 8116 8870 128 712348 8114 92868 9568 812449 2117 756870 65408 911049 6119 8540871 912448 1011944121 51244872 9074688 1111847 6116 907468870 14448128 1210147 2117 744481370 64668877 1310840 4117 846688870 70801326 1410643 2111 108013366 66480796 1510642 4109 86480865 91888477 1611442 4108 318884864 99133086 1711745 6107 391330964 43479852 1810746 8110 034798566 02087911 1912142 8112 820879167 69252747 2011248 4110 492527566 29551648 2110944 8114 695516568 81730989 2211043 6113 617309968 17038593 2311844111 770385967 06223156 2410147 2111 062231666 63733894 2510840 4113 837338968 30240336 2610643 2108 702403465 22144202 2710642 4108 42144265 05286521 2811442 4107 452865264 47171913 2911745 6106 871719164 12303148 3011046 8109 723031565 83381889 3111944112 633818967 58029133 3211847 6111 580291366 9481748 3310147 2114 548174868 72890488 3410840 4115 928904969 55734293 3510643 2109 957342965 97440576 3610642 4109 174405865 50464345 3711442 4107 904643564 74278607 3811745 6107 142786164 28567164 3910746 8109 885671665 93140299 4012142 8112 73140367 63884179 4111248 4110 438841866 26330507 4210944 8114 663305168 79798304 4311743 6113 59798368 15878983 4410746 8111 758789867 0552739 4512142 8113 855273968 31316434 4611248 4111 113164366 6678986 4710944 8115 067898669 04073916 4811043 6113 840739268 3044435 4911844111 904443567 1426661 5010147 2111 142666166 68559966 5110840 4113 885599768 3313598 5210643 2108 731359865 23881588 4 4 二二次次平平滑滑指指数数法法 二次平滑指数法是基于某两个波动值 平滑指数 而进行的预测 一般情况下 平滑指数 值越低 所预测结果就越稳定 以下模型只需改变 实际产量 一栏中的数值和根据实际改变 平滑指数 栏中的值 或改变 首次假设预测值 中的值 就能自动得到预测结果 该模型可用于企业生产 销售等环节预测 可根据后面算出的方差值来判断预测值与实际值的接近程度 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 周次实际产量 Sat a 上月实际销量 1 a 上月预测量 预测值1 100 11003077107 211133 381 06114 36 31203685 8088121 8088 412336 990 805904127 705904 511233 694 36916832127 9691683 612236 692 63715315129 2371531 712336 992 65628415129 5562841 812437 292 09292175129 2929217 91103391 27341746124 2734175 1011935 786 04695436121 7469544 1111835 483 94879567119 3487957 1210130 382 10822911112 4082291 1310832 475 88084502108 280845 1410631 872 95797476104 7579748 1510631 870 6410086102 4410086 1611434 269 44621126103 6462113 1711735 171 53230777106 6323078 1810732 174 86669839106 9666984 1912136 375 10476802111 404768 2011233 679 3628446112 9628446 2110932 780 33795685113 0379569 221103379 90598061112 9059806 2311835 479 46487956114 8648796 2410130 381 21232328111 5123233 2510832 477 60405509110 0040551 2610631 876 30778075108 1077808 2710631 874 72745502106 527455 2811434 273 55793241107 7579324 2911735 175 16831469110 2683147 301103377 73338452110 7333845 3111935 777 97092726113 6709273 3211835 480 66669591116 0666959 3310130 382 57573045112 8757305 3410832 478 91696698111 316967 3510631 877 42779651109 2277965 3610631 875 5780416107 3780416 3711434 274 11784817108 3178482 3811735 175 45757099110 557571 3910732 177 79846845109 8984684 4012136 376 98928045113 2892805 4111233 680 2881352113 8881352 4210932 780 4807573113 1807573 4311735 179 48390189114 5839019 4410732 180 75603488112 8560349 4512136 378 84380379115 1438038 4611233 6817479856 4710932 780 54115455113 2411545 481103378 97743428111 9774343 4911835 477 85553799113 255538 5010130 379 31954602109 619546 5110832 475 74000612108 1400061 5210631 874 68752746106 4875275 5 5 线线性性回回归归预预测测法法 线性回归预测假设数据与月份或周次等存在线性关系 并试图获得这种关系的数学函数 根据开发式算法得到以下的运算方式 从而得到最接近这种关系的函数 可根据后面算出的方差值来判断预测值与实际值的接近程度 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 周次 x 实际产量 y 预测值x y x y 1100114 0587808100153249 2111113 9750277222 3120113 8912747360 4123113 8075216492 5112113 7237685560 6122113 6400154732 7123113 5562623861 8124113 4725092992 9110113 3887561990 10119113 3050031190 11118113 22124991298 1210111313108113 05374371404 14106112 96999061484 15106112 88623751590 16114112 80248441824 17117112 71873131989 18107112 63497821926 19121112 55122512299 20112112 4674722240 21109112 38371892289 22110112 29996582420 23118112 21621282714 2410111225108112 04870662700 26106111 96495352756 27106111 88120042862 28114111 79744733192 29117111 71369423393 30110111 62994113300 31119111 5461883689 32118111 46243493776 33101111 37868183333 34108111 29492873672 35106111 21117563710 36106111 12742253816 37114111 04366944218 38117110 95991634446 39107110 87616324173 40121110 79241014840 41112110 7086574592 42109110 6249044578 43117110 54115095031 44107110 45739784708 45121110 37364475445 46112110 28989165152 47109110 20613855123 48110110 12238545280 49118110 03863235782 50101109 95487925050 51108109 87112615508 52106109 7873735512 预测值 SFt 预测值 SFt 实际值方差 预测周期 n 6预测周期 n 7预测值方差n 3 预测值方差n 4 预测值方差n 5 预测值方差n 6 预测值方差n 7 20 66666667 20 8333333317 57142857 20 8333333318 14285714 21 3333333318 42857143 22 1666666718 42857143 2219 28571429 22 519 14285714 22 8333333319 42857143 22 6666666719 28571429 22 519 14285714 21 8333333319 2218 71428571 21 6666666718 57142857 21 1666666718 42857143 21 518 28571429 21 8333333319 22 518 85714286 22 3333333319 42857143 22 3333333319 28571429 22 3333333318 71428571 21 518 28571429 20 8333333317 85714286 20 6666666718 20 8333333318 预测值 SF 预测周期 n 权重指数 定定量量需需求求预预测测模模型型 下面给出某一企业某月的销售情况 并以不同周期进行了简单平均预测 该模型可由于生产 销售等环节的预测 只要在 实际销量 一栏输入数 就能自动生成各周期预测数值 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 加权平均法是给每一个参与预测的数据赋以权重 一般较靠近预测期的实际值所占的权重较大 以下模型只需改变 实际产量 一栏中的数值和根据实际改变 权重指数 栏中的权重值 就能自动得到预测结果 该模型可用于企业生产 销售等环节预测 可根据后面算出的方差值和均方差值来判断预测值与实际值的接近程度 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 预测周期n 6a1 30 8 40 8 50 6 60 6 实际值方差27 109 6166667 预测值方差n 37 507888322 110 7833333 预测值方差n 46 881495734 111 7666667 预测值方差n 55 40053802 110 8333333 预测值方差n 64 49844015 111 4333333 112 8 109 6833333 109 4166667 108 9166667 105 5166667 109 7 109 9833333 110 3 113 2333333 113 0333333 111 3 112 85 112 0166667 110 0333333 109 2166667 108 8166667 105 5166667 109 7 109 9833333 111 05 114 1333333 115 3 111 5333333 111 9666667 108 9166667 106 4166667 109 7 109 9833333 110 3 113 4833333 113 25 111 4833333 114 85 110 7833333 112 7833333 113 2 110 4333333 112 35 112 0166667 109 8333333 109 2166667 平滑指数0 4 首次假设预测值110 实际值方差43 32730015 实际值均方差 预测值方差12 52192139 预测值均方差 一次平滑指数法是基于某一波动值 平滑指数 而进行的预测 一般情况下 平滑指数 值越低 所预测结果就越稳定 以下模型只需改变 实际产量 一栏中的数值和根据实际改变 平滑指数 栏中的值 或改变 首次假设预测值 中的值 就能自动得到预测结果 该模型可用于企业生产 销售等环节预测 可根据后面算出的方差值来判断预测值与实际值的接近程度 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 1 a 上月预测量 b 预测值n 1 预测值n 1 b 预测值2预测值2最终预测值 10110 2 868 8115 8 2 9445 288 224122 584 2 979524 93447 91392129 72272 2 35884164 7483527 1071936134 8130976 0 1053057284 264316164 369621888132 3387902 0 507193932 6217731333 128967063132 3661202 0 12765241 8773802382 005032638131 5613168 0 1053449591 2030195831 097674624130 3905964 2 0078017150 658604774 1 349196941122 9242205 1 010585239 0 809518164 1 820103403119 926851 0 959263477 1 092062042 2 051325519117 2974702 2 776226626 1 230795311 4 007021937108 4012072 1 650953635 2 404213162 4 055166798104 2256782 1 409148106 2 433100079 3 842248184100 9157266 0 926786462 2 30534891 3 23213537399 20887323 0 482081064 1 939281224 1 45720016102 1890111 1 194438604 0 8743200960 320118508106 9524263 0 133756250 1920711050 325827355107 2925257 1 7752278520 1954964131 970724265113 3754923 0 6232306311 1824345591 80566519114 7685098 0 0300449011 0833991141 113444015114 1514009 0 0527904980 6680664090 615275911113 5212565 0 7835595820 3691655461 152725128116 0176047 1 3410225120 691635077 0 649387435110 8629358 二次平滑指数法是基于某两个波动值 平滑指数 而进行的预测 一般情况下 平滑指数 值越低 所预测结果就越稳定 以下模型只需改变 实际产量 一栏中的数值和根据实际改变 平滑指数 栏中的值 或改变 首次假设预测值 中的值 就能自动得到预测结果 该模型可用于企业生产 销售等环节预测 可根据后面算出的方差值来判断预测值与实际值的接近程度 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 0 603307276 0 389632461 0 992939737109 0111154 0 758509738 0 595763842 1 35427358106 7535072 0 632130292 0 812564148 1 44469444105 0827606 0 492190954 0 866816664 0 37462571107 3833067 1 004152913 0 2247754260 779377487111 0476922 0 1860279340 4676264920 653654426111 3870389 1 1750170970 3921926561 567209752115 238137 0 9583074590 9403258511 89863331117 9653292 1 2763861821 139179986 0 137206196112 7385243 0 62350539 0 082323718 0 705829107110 6111379 0 835668188 0 423497464 1 259165652107 9686309 0 739901964 0 755499391 1 495401355105 8826402 0 375922628 0 897240813 0 521318185107 79653 0 895889128 0 3127909110 583098217111 1406692 0 2636410180 349858930 086217912109 9846864 1 3563248020 0517307471 408055549114 697336 0 23954190 8448333291 084375229114 9725104 0 282951160 6506251370 367673978113 5484313 0 5612578380 2206043870 781862224115 3657641 0 6911468040 469117335 0 22202947112 6340054 0 915107562 0 1332176820 781889881115 9256937 0 1583272880 4691339280 31080664115 0587922 0 6027324090 186483984 0 416248425112 8249061 0 505488105 0 249749055 0 755237159111 2221971 0 511241481 0 4531422960 058099185113 3136372 1 4543967870 034859511 1 419537275108 2000087 0 59181596 0 851722365 1 443538325106 6964678 0 660991466 0 866122995 1 527114461104 960413 x yX 2 X 2 x 2 80199601482301898884 4 9 16 25 36 49 64 81 100 121 144 169 196 线性回归预测假设数据与月份或周次等存在线性关系 并试图获得这种关系的数学函数 根据开发式算法得到以下的运算方式 从而得到最接近这种关系的函数 可根据后面算出的方差值来判断预测值与实际值的接近程度 可根据后面算出的方差值来判断预测值与实际值的接近程度 预测值均方差与实际值均方差差异越小 预测值越可靠 225