物流需求预测是为了制定物流管理计划，而对需求时间、地点、库存单位、装运流量等
所进行的预示或估计。精确的需求预测可以促进物流信息系统和生产设施能力的计划和协
调。并且通过物流需求预测可以确定产品是如何向配送中心和仓库或者零售商进行分配的。
为明确责任，衡量需求预测的效果，开展物流需求预测需要建立一套包括组织、程序、动机
以及人事等方面的完善的预测的行政管理体制，以支持预测活动的顺利开展，在此基础上选
择预测技术，实施预测过程并对其过程实行有效监控。
一、物流需求预测的一般步骤
1、确定需求性质
经预测的需求可以分为从属需求和独立需求。从属需求具有垂直顺序特征，如采购和制
造情况，零部件的采购为了装配成制成品，此时零部件的需求取决于制成品的装配计划。水
平从属需求是一种特别情况，需求的项目并非完成制造过程所需要，而有可能是完成营销过
程所需要，如在每个装运项目中包括了附属物、促销项目或经营者手册等，那么对附属物的
需求预测就取决于装运项目的计划。因此，对如零部件等的从属需求的预测可直接通过基本
项目的需求估计来确定而无需分别进行预测。
独立需求预测则是两个项目的需求毫无关系，如对洗衣机的需求有可能对洗衣粉的需
求无关，洗衣粉的预测对改善洗衣机预测将不起任何作用。这类项目主要包括大多数最终消
费品和工业物资，必须单独预测。
2、确定预测目标
明确预测的目标是进行有效预测的前提。有了明确具体的预测目标，才能有的放矢的收
集资料，否则就无法确定调查什么，向谁调查，更谈不上怎样进行预测。并且预测目标的确
定应尽量明细化、数量化，以利于预测工作的顺利开展。
3、确定预测内容，收集资料进行初步分析
预测内容即影响物流需求的因素，一般包括：某时期的基本需求水平、季节因素、趋势
值、周期因素、促销因素以及不规则因素六个方面。预测者必须认识到不同因素对物流需求
所具有的潜在影响，并能适当的予以处理，对于特定项目具有重大意义的成分必须予以识别、
分析并与适当的预测技术相结合。
某时期的基本需求水平是以整个展延时间内的平均值表示的，是对没有季节因素、周期
因素和促销因素等成分的项目的适当预测。
季节因素通常建立在年度基础上，对消费零售层而言，在某几个季度，某物品的需求量
较大，而在另几个季度，需求量较小的规律运动。而对批发层次而言，这种季节因素先于消
费需求大约一个季度。
趋势值是指在一个展延的时期内，定期销售的长期一般运动。它可以为正、为负或不确
定方向，人口或消费类型的变化决定趋势值的增减，销售量随时间而增加是正的趋势值，反
之，则为负的趋势值。而通常情况下，由于人们消费习惯的变化，趋势方向会改变许多次。
周期因素如商业周期，一般来说，每隔3——5 年就有一次经济从衰退到扩张的波动，许多
大宗商品需求就与商业周期联系紧密。
促销因素，在某些行业，厂商的市场营销活动会引发需求波动，对销售量具有很大影响。
促销期间销售量增加，此后随着利用促销逐渐售出库存后销售量下降。从预测的角度，有规
则的促销因素类似季节因素，而不规则的促销因素则必须对它进行跟踪并结合时期进行分
析。
不规则因素，是随机的或无法预测的因素。在展开一项预测的过程中，其目标是要通过
跟踪和预计其他因素，使随机因素降低到最小程度。
在了解预测内容的基础上，根据预测目标收集资料进行初步分析，观察资料结构及其性
质，并以此作为选择适当预测方法的依据。
4、选择预测方法
在需求预测中有两种方法，即经验判断和数学模型法。经验判断法由预测者根据所掌握
的资料进行数据分析，凭借其专业知识和经验进行预测，这种方法多在掌握资料不够全面，
预测准确度要求不搞时使用，在更多情况下，使用的是建立数学模型的方法，一般包括时间
序列建模和相关性建模两种方法。这种预测相对经验判断法更准确一些。对于这些方法将在
下一节中进行具体介绍。
5、计算并做出预测
以预测目标为导向，根据选定的预测方法，利用掌握的资料，就可以具体研究，进行定
性或定量分析，预测物流的需求状况。
6、分析预测误差
根据现实的资料对未来进行预测，其中产生误差是难免的。误差的大小反映预测的准确
程度，如果预测误差过大,其预测结果就会偏离实际太远，从而失去参考价值。因此对预测
可能出现的误差进行分析是十分必要的，一方面要分析误差产生的原因，另一方面要检查预
测方法的合理性。总之要使预测误差降到最小。
二、预测技术
在预测过程中，预测技术的选择对于预测准确度的提高有重要影响。一般所采用的预测
技术有两种，即定性预测和定量预测。
（一）定性预测技术
定性预测通过调查、座谈和协商会议来展开，主要依赖专家意见或判断预测。这种方法
只能对未来的发展变化提供一个大致趋势，而无法准确量化。在具体的物流预测实践中，有
几种常见的方法，现简单介绍如下：
1、特尔菲法
主要采用函询的方式，依靠专家背靠背的判断，使专家的不同意见能够充分发表，经过
客观分析和多次征询反馈，使各种不同意见逐步趋向一致，从而得出较为符合事物发展规律
的预测结果。它的主要过程包括：
首先，根据预测的目标和要求，拟定意见征询表。
其次，选择那些从事与预测题目相关的专业工作、精通专业并具有预见性和分析能力的
专家作为征询对象。
再次，多次反复征询专家意见。
最后，做出预测结论。
这种方法优点是集思广益，有助于预测的全面和可靠，并且采取的匿名反馈有助于预测
人员独立思考，减少心理因素的干扰。但缺点是主要依靠主观判断，缺乏客观标准。
2、业务人员评估法
预测时，召集所属物流各环节，如计划、采购、仓储和运输等的业务人员对未来某种物
流需求做出估计，然后把大家的推断数据综合处理，形成对未来的预测。
这种方法的优点是业务人员最了解物流需求情况和市场动态，所提供的情况和预测的数
值比较接近实际。缺点是某些业务人员的自身素质较低，思想狭隘，所作的预测长忽略整个
经济形势和市场需求变化趋势，并且业务人员出于自己的业务考虑做出估计一般比较保守。
（二）定量预测技术
这是一种比较准确的预测方法，包括两种：一是时间序列技术，二是回归分析技术。前
者通过分析历史模式和模式的变化来预测，后者使用明确并且特定的有关变量的信息来开展
预测。
1、时间序列技术
时间序列技术是利用过去一段时间的销售量数据或其他一组数据，运用一定的数学方
法，通过现有的需求数据预测未来的发展变化趋势及需求量，这种技术首先要分析确定历史
数据的类型和动态，其次选定具体的预测方法，并进行计算，最后结合判断与量化的数据确
定未来的预测值。
时间序列技术包括三种：（1）移动平均法，（2）指数修正法，（3）外延平滑技术。
（1）移动平均法
根据历史统计数据的变化规律，使用最近时期数据的平均数，利用上一个或几个时期的
数据产生下一期的预测。移动平均数很容易计算，用数学公式表达为：
Xt=ΣXt-i/n
Xt — 第t时期的预测值
Xt-I — 第t-i时期的实际值
n — 总时期次数
例如，1,2,3 月份的销售量为：220，210，260，则4 月份的移动平均值为：
X4=(220+210+260)/3
=230
这种方法很容易计算，但n 值的选取是预测准确度的关键所在，如果n 值取得大，则不
仅需要大量的历史数据来计算预测，而且对这许多数据起伏变化的敏感性差，容易产生“滞
后现象”；如果n 值取得很小，则对变化灵敏度高，对某些因随机因素造成的变化难以判断，
一旦数据资料大起大落，预测失误就会增多。因此，应根据长期预测时间中的经验合理选取
n 值。
移动平均预测最大的缺陷是：产生的时滞现象和对历史时期数据的一视同仁，造成预测
误差较大。而加权移动平均法中给每一时期数据赋以权重，使近期数据对移动平均数影响增
大，从而可以增加预测值的准确度。
数学表达式为：
Xt=(a1Xt-1+a2Xt-2+⋯anXt-n)/n
Xt — 第t时期的加权移动平均数
an — 加权系数(Σai=n)
n — 总时期次数
如上例中，设a1=0.5,a2=1,a3=1.5,n=3,则
Xt=(0.5*220+1*210+1.5*260)/3
=337
（2）指数修正
这种方法是根据以前时期的实际数值和预测值的加权平均数来估计未来的预测值。数学
表达式为：
X》
t=Xt+α(Xt-Xt-1)
Xt — 第t时期的预测值
Xt-1 — 第t-1 时期的预测值
Xt-1 — 第t-1 时期的实际值
α— 平滑系数（0≤α≤1）
即：下一时期的预测值等于本期预测值再加上一个修正值。修正值是平滑系数与本期预
测值和实际值的误差之积。
这种方法关键在α,当α=0 时，Xt等于Xt-1, 即几乎是一种简单的移动平均。当α=1 时，
Xt=Xt-1,即用最近时期的数据作下一时期的预测值。合理选取平滑系数，当时间序列波动较大，
不具备长期稳定趋势时，平滑系数可取得大一些；当时间序列变化缓慢，起伏波动不大时，
平滑系数可取得小一些。
（3）外延平滑技术
即考虑趋势值和季节波动对预测值的影响，这类技术分别被称为具有趋势值的指数平滑
和具有季节因数的指数平滑。
外延平滑的计算类似于基本平滑模型的计算，可以用最低限度的记录保存，迅速地计算
新的预测。做出反应的技术能力取决于平滑常数值。较高的数值提供快速的反应，但会导致
过度反应。外延技术的主要特点是，它们直接考虑趋势值和季节因数成分，但常常被认为过
分敏感，因为它没有能力正确地细分每一预测成分。这种过分的敏感会导致预测的精度问题。
2、回归分析技术
这种预测技术建立在事物变化的因果关系基础上，研究两个以上变量之间的关系，所以
又叫因果分析法。如果预测基于一个单一因素，只涉及两个变量，叫做一元回归分析；如果
使用一个以上的因素，就称为多元回归分析。
因果分析法的步骤如下：
（1）通过对历史资料和现实调查资料的分析，找出变量之间的因果关系，确定预测目
标以及因变量和自变量。因变量即预测的内容，自变量就是引起预测目标变化的各种影响因
素。
（2）根据变量之间的因果关系模型，选择数学模型，并建立预测模型。
（3）对预测模型进行检验，测定误差，确定预测值。一元回归分析法是处理两个变量
之间线性相关关系的一种方法，它描述一个自变量x 与另一个因变量y 之间的相关关系。
一元回归分析法的通式为：
Yt=a+bX
Yt — 因变量，即在时间段t的预测值
X — 自变量，即引起因变量Yt变化的某种影响因素
a,b—回归系数
回归预测能够有效地考虑外部因素和事件，因此，因果分析技术更适合于长期预测或总
量预测。例如，他们常被用来做出年度的或全国的销售预测。
三、预测误差控制
预测的精确度是指相应的预测与实际预测之间的差异。要提高预测的精确度，必须衡量
和分析预测误差。
首先，误差大小的衡量决定改善和控制预测的前提。虽然预测误差的一般定义是实际值
与预测需求量之间的差异，但更精确的定义需要进行计算和比较，在误差绝对数或相对数基
础上使用各种方法进行衡量。如按年份计算误差平均数，计算绝对误差及由此产生的平均绝
对离差等方法，用不同的方法表现出的预测精度是不一样的。
其次，分析误差产生的原因，为控制减小误差提供基础。预测误差的产生可能源于外部
预测因素，如促销、罢市、价格变化、产品线变化、竞争性活动以及经济条件等的影响;也
可能由于预测技术的选择不当所造成。
第三，建立预测反馈机制，根据误差衡量和误差原因分析的结果，通过识别主要的误差
来源，开发技术，建立高效的信息传导机制，降低误差。如改善有关诸如价格变化、促销和
包装变化等之类的营销活动的通信传输，有可能大大减小预测误差。
安泰物流，东莞危险品运输，惠州危险品运输，深圳危险品运输，广州危险品运输，东莞到上海危险品运输公司，东莞到北京危险品运输公司，http://www.antaiwl.com