【高铁快运市场业务量的预测计算过程案例】1300字

高铁快运市场业务量的预测计算过程案例综述当前，关于货运需求量预测的方法有很多，如下图2.6所示。图2.6货物需求量预测方法其中，时间序列能够预测随时间变化，社会的发展趋势，多用于长期的预测，因此我们可以用时间序列模型预测快运市场，推测他在未来的数值。时间序列法序列法有多种，下面简单介绍两种。简单叙时平均数法是指对预测的相关数值求他们的算术平均数最为接下来的预测值，对变化趋势较小的模型，有比较精确的预测值当采用加权移动平均法来进行预测时，它对最近的变化趋势反应比较激烈，当变量出现明显性的季节性影响时，得到的预测值可能会出现较大的误差。其中指数平滑预测法可以根据以前的数据，对他的指数进行加权，进而对下一期的值进行预测，比较适合短时间内的预测，更加适合对近期货运量的预测。所以，应该采用指数平滑的方法对快运业务量进行预测。指数平滑法的基本公式是：StSt式中：StStα-为平滑系数当预测的结果随时间的变化有线性关系时，可以采用直线线性模型。Y(T=1,2,L…)ab在公式中Y为预测值，at为截距，b指数平滑法的计算中，关键是α的取值大小，α但的取值容易受主观影响，因此合理确定α的取值十分重要。通过计算不同的平滑系数下的预测值，得到α的最佳取值。在这里进行一次平滑值计算，获取合适的α值。如下所示：S0S1S1按照上面依次进行计算得到在不同α值下的预测值如表2.7所示：表2.7不同α取值下的预测值年份原始数据0.10.20.30.40.50.60.70.80.9201023.4037.4435.8834.3232.7631.229.6428.0826.5224.96201136.7037.36636.04435.03434.33633.9533.87634.11434.66435.526201256.9039.319440.215241.593843.361645.42547.690450.064252.452854.7626201391.9044.5774650.5521656.6856662.7769668.662574.2161679.3492684.0105688.186262014139.6054.07971468.36172881.55996293.506176104.13125113.446464121.524778128.482112134.4586262015206.7069.34173996.029384119.101972138.783708155.41565169.3986181.14744191.05642199.475862016312.8093.687566139.383504177.2114208.39022234.10785255.43944273.30422288.45128301.467592017400.60124.378813191.6268244.22798285.26812317.35395342.53576362.41126378.17026390.686762018507.10162.65092254.72144323.0896374.00086412.227441.27432463.69339481.31406495.458682019635.20209.90581330.81712416.72272478.48054523.7135557.62972583.74802604.42282621.225872020833.60272.27522431.37368541.78589620.5283678.65675723.21188758.6444787.76456812.36259通过分别对不同的初始值预测计算，发现在α为0.9时，预测后的值最接近原始所以通过分析我们去确定α的取值为0.9，然后来对数据进行指数平滑预测分析，在原始数据的基础上进行预测。表2.8业务量的预测过程时间业务量一次平滑值二次平滑值ab201023.4024.9626.2623.660201136.7035.5334.6036.468.34201256.9054.7652.7456.7818.14201391.9088.1884.6491.7231.892014139.60134.46129.48139.4444.842015206.70199.48192.48206.4862.002016312.80301.47290.57312.3798.092017400.60390.69380.68400.7090.112018507.10495.46483.98506.94103.302019635.20621.23607.51634.95123.522020833.60812.36791.87832.85184.37将上面计算出来的数据代入公式2-10中进行计算，得出结果如表2.9所示：表2.9业务量预测值年份业务量原始数据业务量预测数据201023.40——201136.7023.66201256.9044.80201391.9074.922014139.60123.612015206.70184.282016312.80268.482017400.60410.462018507.10490.812019635.20610.242020833.60758.472021——1017.222022——1201.602023——1385.962024——1570.332025——1754.702026——1939.072027——2123.442028——2307.81根据上表2.9对快递业务量作出的预测数据，作出实际值与预测值的拟合图，对他们的发展趋势进行比较，如图2