供应链预测习题

2004-2011年我国社会消费品零售总额数据如下（单位：亿元）。 月/年 2004 2005 2006 2007 2008 2009 2010 2011 1 977.5 1192.2 1602.2 1909.1 2288.5 2549.5 2662.1 2774.7 2 892.5 1162.7 1491.5 1911.2 2213.5 2306.4 2538.4 2805.0 3 942.3 1167.5 1533.3 1860.1 2130.9 2279.7 2403.1 2627.0 4 941.3 1170.4 1548.7 1854.8 2100.5 2252.7 2356.8 2572.0 5 962.2 1213.7 1585.4 1898.3 2108.2 2265.2 2364.0 2637.0 6 1005.7 1281.1 1639.7 1966.0 2164.7 2326.0 2428.8 2645.0 7 963.8 1251.5 1623.6 1888.7 2102.5 2286.1 2380.3 2597.0 8 959.8 1286.0 1637.1 1916.4 2104.4 2314.6 2410.9 2636.0 9 1023.3 1396.2 1756.0 2083.5 2239.6 2443.1 2604.3 2854.0 10 1051.1 1444.1 1818.0 2148.3 2348.0 2536.0 2743.9 3029.0 11 1102.0 1553.8 1935.2 2290.1 2454.9 2652.2 2781.5 3108.0 12 1415.5 1932.2 2389.5 2848.6 2881.7 3131.4 3405.7 3680.0

（1）绘制时间序列线图，说明该序列的特点。

（2）利用分解预测法预测2012年各月份的社会消费品零售总额。 1 977.5 977.5 1 1005.151 0.972 一月 1.036 3190.171 2 892.5 1785 4 1026.742 0.869 二月 0.979 3035.675 3 942.3 2826.9 9 1048.332 0.899 三月 0.953 2974.948 4 941.3 3765.2 16 1069.923 0.880 四月 0.935 2938.107 5 962.2 4811 25 1091.514 0.882 五月 0.940 2975.056 6 1005.7 6034.2 36 1113.105 0.904 六月 0.959 3054.13 7 963.8 6746.6 49 1134.696 0.849 七月 0.924 2963.864 8 959.8 7678.4 64 1156.286 0.830 八月 0.924 2982.075 9 1023.3 9209.7 81 1177.877 0.869 九月 0.981 3188.739 10 1051.1 10511 100 1199.468 0.876 十月 1.010 3304.847 11 1102 12122 121 1221.059 0.902 十一月 1.047 3449.663 12 1415.5 16986 144 1242.650 1.139 十二月 1.264 4190.98

13 1192.2 15498.6 169 1264.240 0.943 14 1162.7 16277.8 196 1285.831 0.904 15 1167.5 17512.5 225 1307.422 0.893 16 1170.4 18726.4 256 1329.013 0.881 17 1213.7 20632.9 289 1350.604 0.899 18 1281.1 23059.8 324 1372.194 0.934 19 1251.5 23778.5 361 1393.785 0.898 20 1286 25720 400 1415.376 0.909

97 98 99 100 101 102 103 104 105 106 107 108

21 1396.2 29320.2 22 1444.1 31770.2 23 1553.8 35737.4 24 1932.2 46372.8 25 1602.2 40055 26 1491.5 38779 27 1533.3 41399.1 28 1548.7 43363.6 29 1585.4 45976.6 30 1639.7 49191 31 1623.6 50331.6 32 1637.1 52387.2 33 1756 57948 34 1818 61812 35 1935.2 67732 36 2389.5 86022 37 1909.1 70636.7 38 1911.2 72625.6 39 1860.1 72543.9 40 1854.8 74192 41 1898.3 77830.3 42 1966 82572 43 1888.7 81214.1 44 1916.4 84321.6 45 2083.5 93757.5 46 2148.3 98821.8 47 2290.1 107634.7 48 2848.6 136732.8 49 2288.5 112136.5 50 2213.5 110675 51 2130.9 108675.9 52 2100.5 109226 53 2108.2 111734.6 54 2164.7 116893.8 55 2102.5 115637.5 56 2104.4 117846.4 57 2239.6 127657.2 58 2348 136184 59 2454.9 144839.1 60 2881.7 172902 61 2549.5 155519.5 62 2306.4 142996.8 441 1436.967 484 1458.558 529 1480.148 576 1501.739 625 1523.330 676 1544.921 729 1566.511 784 1588.102 841 1609.693 900 1631.284 961 1652.875 1024 1674.465 1089 1696.056 1156 1717.647 1225 1739.238 1296 1760.829 1369 1782.419 1444 1804.010 1521 1825.601 1600 1847.192 1681 1868.783 1764 1890.373 1849 1911.964 1936 1933.555 2025 1955.146 2116 1976.737 2209 1998.327 2304 2019.918 2401 2041.509 2500 2063.100 2601 2084.691 2704 2106.281 2809 2127.872 2916 2149.463 3025 2171.054 3136 2192.644 3249 2214.235 3364 2235.826 3481 2257.417 3600 2279.008 3721 2300.598 3844 2322.189 0.972 0.990 1.050 1.287 1.052 0.965 0.979 0.975 0.985 1.005 0.982 0.978 1.035 1.058 1.113 1.357 1.071 1.059 1.019 1.004 1.016 1.040 0.988 0.991 1.066 1.087 1.146 1.410 1.121 1.073 1.022 0.997 0.991 1.007 0.968 0.960 1.011 1.050 1.087 1.264 1.108 0.993

143621.1

2252.7 144172.8 2265.2 147238 2326 153516 2286.1 153168.7 2314.6 157392.8 2443.1 168573.9 2536 177520 2652.2 188306.2 2279.7 63 64 65 66 67 68 69 70 71 2343.780 2365.371 2386.962 2408.552 2430.143 2451.734 2473.325 2494.916 2516.506 3969

4096 4225 4356 4489 4624 4761 4900 5041 0.973 0.952 0.949 0.966 0.941 0.944 0.988 1.016 1.054 72 3131.4 225460.8 73 2662.1 194333.3 74 2538.4 187841.6 75 2403.1 180232.5 76 2356.8 179116.8 77 2364 182028 78 2428.8 189446.4 79 2380.3 188043.7 80 2410.9 192872 81 2604.3 210948.3 82 2743.9 224999.8 83 2781.5 230864.5 84 3405.7 286078.8 85 2774.7 235849.5 86 2805 241230 87 2627 228549 88 2572 226336 89 2637 234693 90 2645 238050 91 2597 236327 92 2636 242512 93 2854 265422 94 3029 284726 95 3108 295260 96 3680 353280

4656 194948.5 11046676 b= 21.59 a= 983.56 y=983.56+21.59x

5184 5329 5476 5625 5776 5929 6084 6241 6400 6561 6724 6889 7056 7225 7396 7569 7744 7921 8100 8281 8464 8649 8836 9025 9216

299536 2538.097 2559.688 2581.279 2602.870 2624.460 2646.051 2667.642 2689.233 2710.824 2732.414 2754.005 2775.596 2797.187 2818.777 2840.368 2861.959 2883.550 2905.141 2926.731 2948.322 2969.913 2991.504 3013.095 3034.685 3056.276

1.234 1.040 0.983 0.923 0.898 0.893 0.910 0.885 0.889 0.953 0.996 1.002 1.218 0.984 0.988 0.918 0.892 0.908 0.904 0.881 0.888 0.954 1.005 1.024 1.204

40003700340031002800250022001900160013001000700020406080100120y = 21.591x + 983.56系列1

线性 (系列1)

下面是一家物流企业过去18个月的营业额数据 月份 1 2 3 4 5 6 7 8 9 营业额（万元） 295 283 322 355 286 379 381 431 424 月份 10 11 12 13 14 15 16 17 18 营业额（万元） 473 470 481 449 544 601 587 644 660

（1）用3期移动平均法预测第19个月的营业额。

（2）采用指数平滑法，分别用平滑系数a=0.3、a=0.4和a=0.5预测各月的营业额，分析预测误差，说明用哪一个平滑系数预测更合适？

1 2 3 4 5 6 7 8 9 295 295.00 295.00 295.00 0.00 0.00 0.00 283 295.00 295.00 295.00 12.00 12.00 12.00 322 300.00 291.40 290.20 289.00 30.60 31.80 33.00 355 320.00 300.58 302.92 305.50 54.42 52.08 49.50 286 321.00 316.91 323.75 330.25 30.91 37.75 44.25 379 340.00 307.63 308.65 308.13 71.37 70.35 70.88 381 348.67 329.04 336.79 343.56 51.96 44.21 37.44 431 397.00 344.63 354.47 362.28 86.37 76.53 68.72 424 412.00 370.54 385.08 396.64 53.46 38.92 27.36 10 473 442.67 386.58 400.65 410.32 86.42 72.35 11 470 455.67 412.51 429.59 441.66 57.49 40.41 12 481 474.67 429.75 445.75 455.83 51.25 35.25 13 449 466.67 445.13 459.85 468.42 3.87 10.85 14 544 491.33 446.29 455.51 458.71 97.71 88.49 15 601 531.33 475.60 490.91 501.35 125.40 110.09 16 587 577.33 513.22 534.94 551.18 73.78 52.06 17 644 610.67 535.36 555.77 569.09 108.64 88.23 18 660 630.33 567.95 591.06 606.54 92.05 68.94 652.00 1087.69 930.30 0.3 0.70 60.43 51.68 0.4 0.60

0.5 0.50 700额业650营600550500450400350300月份25002468101214161820系列1系列2系列3系列4

62.68 28.34 25.17 19.42 85.29 99.65 35.82 74.91 53.46

827.87

45.99

某建材公司在作销售预测时，发现一个地区每年塑料的需求量和该地区新开工的工程项目数量有关，具体数据如表所示。试利用回归分析法预测2007年的需求量。 时间 1999 2000 2001 2002 2003 2004 2005 2006 Y=-9.78+5.39x 新开工项目数量 16 10 39 21 26 24 15 36 塑料年需求量 70 50 210 80 150 100 90 180 1989 1990 1991 1992 1993 1994 1995 1996 1997

a= b= y=

13000 234000 12000 180000 11000 132000 10000 100000 14000 280000 16000 448000 19000 665000 17000 510000 13000 260000 125000 2809000

6698.492 344.2211 6698.49+344.22x

18 15 12 10 20 28 35 30 20 188 324 225 144 100 400 784 1225 900 400 4502

本文来源：https://www.bwwdw.com/article/r437.html