Описание на модела
метод на експоненциалното изглаждане Прогнозиране е един от най-лесните начини да се предскаже. Прогнозата може да се получи само за един период напред. Ако прогнозата се извършва в рамките на ден, само за един ден напред, ако седмици, а след една седмица.
За сравнение, прогнозиране извършва една седмица предварително в продължение на 8 седмици.
Каква е експоненциално изглаждане?
Нека серия С е първоначалната броя на продажбите за прогнозиране
С (1) - в продажба през първата седмица, C (2) във втория и така нататък.
Фигура 1: продажба на седмица, няколко С
По същия начин, редица S представлява броя на продажбите експоненциално загладени. алфа на коефициента е от нула до един. Оказва се, че той следва, където т - времето (ден, седмица)
Големият Стойността на константната алфа изглаждане ускори отговор на прогноза скок в наблюдавания процес, но може да доведе до непредвидими емисии защото изглаждане е почти отсъства.
За първи път след началото на наблюдение, като само едно наблюдение резултат С (1). когато предсказване S (1), а не с формула (1), все още не може да се използва като предсказване S (2) трябва да се С (1).
Формулата може лесно да бъде пренаписана в друга форма:
По този начин, с увеличаване на дела на постоянна изглаждане неотдавнашните увеличения на продажбите, докато делът на загладени предишни спадове.
Постоянното алфа е избрано емпирично. Обикновено, повече от един издатък е конструиран за различните константи и избере оптимален константа по отношение на избраните критерии.
Критерият може да бъде точност прогноза за минали периоди.
В нашето изследване ние разгледа експоненциални модели за изглаждане, където α заема стойности. За сравнение с алгоритъма за прогнозиране Прогноза СЕГА! за всеки продукт за изграждане на прогнози за всяка α, избира най-точна прогноза. В действителност, ситуацията щеше да е много по-сложно тарифа, потребителят не знае в точност прогнозиране предварително необходимо за определяне на коефициента алфа, което зависи до голяма степен от качеството на прогнозата. Ето един порочен кръг.
Фигура 2. α = 0.2. експоненциално изглаждане степен е висока, реалните продажби отчитат леко
Фигура 3. α = 0.4. степента на експоненциалното изглаждане средно, реални продажби, записани в умерена
Това може да се види с увеличаване на постоянна α заглади серия все повече отговаря на действителните продажби, и ако има наличие на големите различия в стойностите и аномалии, ние получаваме много неточни прогнози.
Фигура 4. α = 0.6. експоненциално изглаждане степен е нисък, реалните продажби отчитат много по-
Можем да видим, че когато α = 0.8 брой почти същите като оригинала, така че прогнозата се ангажира да следва правилото "ще се продава толкова, колкото вчера"
Заслужава да се отбележи, че не е абсолютно невъзможно да се съсредоточи върху грешката на сближаване с първоначалните данни. Възможно е да се постигне перфектен мач, но за да получите неприемлив прогноза.
Фигура 5. α = 0.8. степента на експоненциално изглаждане е изключително ниска, реалните продажби отчитат много по-
прогнози примери
Сега нека да разгледаме прогнози, които са получени с използване на различни стойности на α. Както може да се види от Фигура 6 и 7, по-голяма от изглаждане фактор, толкова повече повтаря действителните продажби със закъснение от една стъпка предсказване. Това забавяне може в действителност да бъде от решаващо значение, така че не може просто да изберете максималната стойност на α. В противен случай тя ще ситуацията, когато казваме, че тя ще се продава само толкова, колкото е била продадена през предходния период.
Фигура 6. Метод прогноза експоненциално изглаждане ако α = 0.2
Фигура 7. Метод прогноза експоненциално изглаждане ако α = 0.6
Да видим какво се случва, когато а = 1,0. Спомнете си, S - очаква (изравняваща) продажба, C - действителната продажба.
Продажбите в гр продажби + 1 ден се очаква да се предишния ден. Така че изборът на константите трябва да се работи разумно.
Сравнение с прогноза СЕГА!
А сега да разгледаме този метод прогноза в сравнение с прогнозата СЕГА. Сравнението е проведено върху 256 продукти, които имат различни продажби, сезонността на къси и дълги, с "бедните" продажби и дефицит, акции и други емисии. За всеки продукт, прогнозира експоненциални модели изглаждане построени за различни алфа, изберете най-добрите и при прогноза от модел Прогноза за СЕГА!
В таблицата по-долу можете да видите стойността на грешката при прогнози за всеки продукт. Грешката тук се счита за RMSE. Това е в основата на стандартното отклонение на прогнозата от реалността. Грубо казано, това показва колко единици продукта сме се отклонили в прогнозата. Подобряване показва колко процента от прогноза Прогноза за СЕГА! по-добре, ако броят е положителен, и по-лошо, ако той е отрицателен. На фигура 8, х-отлага продукти, по оста У показва как прогноза прогноза СЕГА! по-добре от метода за предсказване на експоненциалното изглаждане. Както се вижда от графиката, точността на прогнозиране Прогноза СЕГА! почти винаги два пъти по-висока и почти никога не по-зле. На практика това означава, че употребата Прогноза СЕГА! Тя ще се удвои до намаляване на инвентара или намаляване на дефицита.
Фигура 8. Сравнение на точността на прогнозиране Прогноза СЕГА! и метода на експоненциално изглаждане
По този начин, можем да заключим, че предсказването с помощта на проста експоненциален модел изглаждане дава резултати много по-зле, отколкото Прогноза СЕГА!
Можете да видите резултатите от прогнозата за всеки продукт. Таблиците са представени в съкратен вариант, за да видите пълната версия, моля свържете се с нас [email protected], ние ще Ви изпратим подробни резултати.
Таблица 1. Сравнение на прогнозна грешка Прогноза СЕГА! и експоненциално изглаждане (съкратен)
Таблица 2. Грешки Годен прогнозиране. изглаждане с различни стойности на а на коефициентите (в редукция)
Преглед на други методи:
Свързани статии