什么是需求预测(Forecasting: Principles and practice第一章)
- getting started
1.1 what can be forecast?
事件或数量的可预测性取决于 - 我们对造成这种情况的因素了解程度如何
- 有多少数据可用
- 预测是否会影响我们要预测的事物
1.2 forecasting, planning and goals
预测:给出所有可用信息,包括历史数据和任何可能影响预测的未来事件的了解,都旨在准确预测未来
目标:是想发生的事情,目标应该与预测和计划相关联,但并不总是会发生。设定目标时常常没有任何实现目标的计划,也没有预测目标是否实现。
规划:对预测和目标的回应;规划涉及确定使预测符合目标所需的适当操作
短期预测:安排人员,生产和运输所需的事件
中期预测:需要确定未来的资源需求
长期预测:用于战略规划,需考虑市场机会,环境因素和内部资源。
1.3 determining what to forecast
预测早期,需要确定预测内容:
- 预测是每个产品线,还是产品组
- 预测是针对每个销售网点,还是针对地区销售的网点,还是针对总销量
- 预测是针对每周数据,每月数据还是每年的数据
1.4 forecasting data and methods
适当的预测方法在很大程度上取决于可用的数据
如没有可用数据,或可用数据与预测不相关,则要使用定性预测
满足两个条件时,可用定量预测:
- 提供有关过去的数字信息
- 可合理假设过去模式的某些方面会持续到来
时间序列预测:最简单的时间预测方法仅使用有关变量信息进行预测,而不尝试发现影响其行为的因素;因此,他们将推断趋势和季节模式,但忽略所有其他信息。
用于预测的模型包括:分解模型,指数平滑模型和ARIMA模型。
预测变量和时间序列的预测
预测变量通常在时间序列预测中很有用;假如构建一个电力预测的模型
预测中总有电力需求变化,而预测变量无法解释;右侧‘error’允许随机变化及模型中未包含的相关变量的影响。
由于电力需求数据形成一个时间序列,故我们可用时间序列模型进行预测。此时,合适的时间序列预测方程式为:
这里,对未来预测是基于变量的过去值,而不是基于可能影响系统的外部变量。
还有第三种模型结合了以上两个模型的功能:
这些类型的混合模型可被称为动态回归模型,面板数据模型,纵向模型,传递函数模型和线性模型。
1.6 the basic steps in a forecasting task
预测通常涉及5个基本步骤:
1) 问题定义
仔细定义问题需要了解使用预测的方式,需要预测的人员及预测功能如何适合需要预测的组织。
2) 收集信息
始终至少需要两种信息
a) 统计数据
b) 收集数据和使用预测的人员累积专业知识
3) 初步探索性分析
从绘制数据图表开始,探索是否存在一致的模式?有明显的趋势吗?季节性重要吗
4) 选择和拟合模型
使用的最佳模型取决于历史数据的可用性,预测变量和任何解释变量之间的关系强度及预测的使用方式。
5) 使用和评估预测模型
选择模型并估计其参数后,用该模型进行预测
1.7 the statistical forecasting perspective
在大多数预测情况下,随着事件的临近,与我们预测事物相关的变化会缩小;换句话说,我们预测的越远,我们就越不确定。
Prediction interval(预测间隔):给出随机变量可以相对较高的概率获取的一系列的值;如一个95%预测间隔包含了一系列值,其中应包括概率为95%的实际未来值。
什么是需求预测(Forecasting: Principles and practice第一章)相关推荐
- 时间序列回归模型(Forecasting: Principles and practice第六章)
6.1 the linear model 简单线性回归 最简单回归模型是预测变量y和单一预测因子x存在线性关系 Beta0和beta1分别表示截距和斜率.Beta0表示当x=0时,预测值y:beta1 ...
- 判断性预测(Forecasting: Principles and practice第五章)
使用判断预测三种情况: 没有可用的数据:此时统计方法不适用,判断预测是唯一可行的方法 可获得数据,生成统计预测,然后用判断对其进行调整 可获得数据,并独立生成统计和判断性预测,然后进行合并 ...
- 预测的流程和方法(Forecasting: Principles and practice第三章)
the forecaster's toolbox 3.1 a tidy forecasting workflow 生成时间序列数据预测可分为以下几步: 数据准备(整理) 数据的准备方式还可以用于探索时 ...
- Forecasting: Principles and Practice读书笔记Chapter 3
1. 一些简单的预测方法 平均值预测法:所有预测值都等于历史数据的均值. 朴素预测法:所有预测值都等于数据中最后一个观测值. 季节朴素预测法:对于季节性数据,预测值等于同一季度的最后一个观测值.比如, ...
- Forecasting Principles And Practice(预测,方法与实践在线阅读)
一本非常全面的介绍预测模型的书籍: 预测https://otexts.com/fppcn/建模可能用到诶. 分享自 数学模型算法介绍https://geminiplanet.cn/%E6%95%B0% ...
- 评估模型准确度(Forecasting: Principles and practice第四章)
4.1 residual diagnostics(残差诊断) 一个好的预测方法将产生以下属性的残差: 1. 残差不相关 如果残差之间存在相关性,则残差中会留有信息,这些信息应用于计算预测. 2. 残差 ...
- Programming: Principles and Practice Using C++
这本书已经看完了几个月,一直想写点什么,又不知从何说起.今天看到Linus对C++的一些批评,和这本书结合起来看,还有点意思.(Linus对C++的批评不是偶然的心血来潮,07年的时候就说过" ...
- 东北大学软件项目管理与过程改进复习提纲(2020)——第一章
文章目录 第一章 总论 1.1 引言 1.2 什么是项目 1.2.1 IT 项目 1.2.2 项目属性 1.2.3 项目约束 1.3 什么是项目管理 1.3.1 项目干系人 1.3.2 项目管理知识领 ...
- 《Gans in Action》第一章 对抗神经网络介绍
此为<Gans in Action>(对抗神经网络实战)第一章读书笔记 Chapter 1. Introduction to GANs 对抗神经网络介绍 This chapter cove ...
最新文章
- 143. 最大异或对【贪心 trie】
- Serverless Kubernetes 再升级 | 全新的网关能力增强
- [bzoj2159]Crash 的文明世界
- 结构重参数化技术【为了模型压缩】:进可暴力提性能,退可无损做压缩
- FileWriter和FileReader解析
- zabbix api python使用
- 学计算机河北科技华北理工,河北117所正规高校都在这儿!别被”野鸡大学“忽悠了!...
- pyecharts入门及新冠病毒疫情数据可视化(绘制地理图表)
- 【java】对学生成绩进行排序
- bzoj 1121: [POI2008]激光发射器SZK
- CAS单点登出实现案例
- arccatalog点要素显示不完_初中生到底要不要住校?班主任:不建议,看完这3点你就明白了...
- AmazeUI 离线文档
- 获取 点集合 的 rect
- MyBatis学习(一)-- 实现简单查询
- leecode-C语言实现-1619. 删除某些元素后的数组均值
- 移动Web第七天(响应式网页:媒体查询、BootStrap)
- 2014腾讯校招面试之二总结
- 【参赛作品61】openGauss/MogDB大对象LargeObject存取测试
- 汕头大学信息与计算机学院研究生院,汕头大学研究生院