多种需求范文

多种需求范文（精选6篇）

多种需求 第1篇

在这个越来越包容的社会, 在给予更多人性化关怀的时代, 这些问题是倍受重视并且有办法解决的。作为数字X线成像系统 (DR) 领域的领先厂商, 佳能一直致力于将满足客户的实际需求作为自己技术实力的体现, 佳能的几款移动数字X线成像系统及其灵活性的解决方案, 非常完美地契合了上述场景的不同使用要求。以CXDI-70C Wireless及CXDI-80C Wireless等系列为代表构建的解决方案, 兼具轻巧方便携带及组合多样等特点, 在户外环境、野外救助等应用需求中扮演了高技术含量、高效率辅助救助的角色。不仅如此, 利用设备上配备的无线传输功能, 可通过无线网络远程传输并保存医疗影像, 在救助现场人力不足的情况下也能使用高效率会诊的支持功能。医护人员第一时间到达、高效率并且应用灵活的检测设备在技术上的精准支持, 都能为伤员得到救治争取更多时间。

佳能的另外两款可拆分式电缆产品CXDI-55C/G展现体现了轻便、可移动的优越特性, 具有非常强大灵活的实际操作可能性, 这两款设备的高成像质量也是亮点。其可拆分的热拔插设计, 能够共用同一个装置与所有CXDI系列热拔插DR系统进行替换安装, 不仅能够降低单机成本, 更为多种环境下的救助、诊断等医疗应用提供了更加灵活的解决方案, 紧密契合数字化医疗、移动医疗的主流技术趋势。CXDI-501G/C系列便携式数字X线成像系统拥有125 微米等级像素水平, 同时提供高分辨率、高画质成像结果, X光照射3 秒后即可产生成像预览, 在保证高品质成像的基础上, 低剂量辐射的设计也对患者达到了最大程度的保护。

电镀金刚石软磨轮满足多种需求 第2篇

而电镀金刚石软磨轮应用在这个领域正好可以解决这些问题,而且不会增加成本。

由于电镀金刚石软磨轮能适应干磨和湿磨,使得该工具应用于金属表面的磨削变得容易,而不用考虑使用冷却剂。电镀金刚石软磨轮属于柔性加工工具,在与工件接触时不会产生刚性碰撞,可以避免废品的产生,同时柔性的面可以增大同时加工的面积,使加工更具高效率或达到理想的外形。

多种需求 第3篇

在考生信息库里抽取考生信息中的数字, 以一定的规则为每名考生重新设置位次数字, 根据位次数字重新排序打乱原有顺序。

1.1自然顺序号数字倒排

利用考生原有顺序进行数字倒排得到不同位次数字。如:两个考生在数据库记录位置1234、1235将考生记录号倒排后位次数字为4321和5321, 按位次重新排序后将挨着的考生在编场中隔开。缺点是规律性较强不适合人数百位以内情况下使用。

1.2提取考生信息的数字进行排列

提取考生信息中的一个或多个字段中的数字生成位次数字, 利用新组建的位次数字将考生顺序打乱, 较单一自然序号数字倒排具有更强的无规律性。如:报名时相邻的两个考生, 报名时生成的报名号分别A00123和A00124, 身份证号130982198301020928, 130981198211250616, 手机号15612171611, 13931210928。编场中抽取考生报名号、身份证号、手机号等信息组成一组无规律位次数字。注意的是提取身份证号、电话等数字混合排序打乱时要避开信息中有规律位数, 如身份证号前6位为地域17位数字男单女双.手机号前3位为手机运营商中间4位为市级区号.使用这些位数生成位次数字易造成相同地域、出生日期相近、性别相同或使用相同手机业务考生相对集中。

利用已有信息生成位次数字方法简单, 大多数数据库和数据表可通过字符串截取函数实现, 适合编场要求不复杂, 人数相对较少的中小型考试使用。

二、使用计算机随机数编场

计算机产生随机数字原理是系统定时器的值作为随机种子, 每个种子对应一组根据算法预先生成的随机数, 相同的平台环境下不同时间产生的随机数是不同的。

2.1、随机数排序法

在计算机随机编场中较常见生成速度快原理简单。如:需要编场的考生为5000人, 利用计算机随机为每名考生产生10组0到9的随机数字, 利用产生的10位数字进行排序核心代码为:

2.2洗牌法

打乱方式类似扑克牌的洗牌, 编场时遍历整个考生数据表, 遍历过程中随机产生一个不大于考生总数的随机数, 以该随机数相同记录序号与当前遍历到记录序号进行对换。以10条记录数为例核心代码为:

随机数编场, 可使考生数据进行完全随机排序, 通过简单编程即可实现, 在考场设置要求不复杂的情况下适用。

三、特定需求下的算法编场

3.1分冶法

把一个规模较大的问题分成多个较小的与原问题类型相同的子问题, 通过对子问题求解, 并把子问题的解合并起来从而构成整个问题的解。分冶法在每一层递归上面都有3个步骤:

a.分解, 将若原问题分解为若干个规模较小、相互独立、与原问题形式相同的子问题。

b.解决, 若子问题规模较小而容易被解决则直接解, 否则递归解决各个子问题。c.合并, 将各个子问题的解合并原问题的解。

在涉及地域较广的大型考试, 考生需要在本地区考试, 这种情况下就要使用分冶法, 将每个考区进行单独的编场, 然后合成最终的编场数据库。

3.2混洗法

采用的是基础定位、依次插入的原理。把最大的集合看成一个组, 将其他集合均匀的插入到这个集合中, 最终形成一个全部的集合。在实际考试中适合把同单位或同班级的考生打乱均匀的分配到不同的考场中, 使同一部分的考生达到较为理想的均匀分布状态。

3.3环形选取法:让需要编排考场的考生形成一个环, 按照一定的间隔来抽取考生到的考场中, 该方法需要满足两个条件:1、间隔数和考生总人数互为素数2、间隔数要大于编场库中同一单位考生最大人数。同一学校、班级或单位等考生相对熟悉的群体中使用该方法可很大程度上让互相认识的考生不分配到同一考场。

3.4蚁群算法

a.所有蚂蚁遇到障碍物时按照等概率选择路径, 并留下信息素;

b.随着时间的推移, 较短路径的信息素浓度升高;

c.蚂蚁再次遇到障碍物时, 会选择信息素浓度高的路径;

d.较短路径的信息素浓度继续升高, 最终最优路径被选择出来。

该方法适合编场复杂度较高的情况为考场搭配寻找最优的解决方案, 如考生需要两天内进行4场考试, 每次考试都要到新考场中, 为了便于考生出行和熟悉环境, 4场考试每名考生只能在小范围内随机变换考场。

算法输入:所有考点的考场数, 考生数量n, 迭代次数K

算法输出:所有考生4场考试在尽量单一考点范围内的考场随机编场。

参考文献

[1]冯向萍张太红李萍.高考考场编排算法研究.新疆农业大学学报, 2008年第3期

多种需求 第4篇

关键词：时间序列法,情景分析法,稀土,需求量,预测

稀土是一组同时具有电、磁、光、生物等多种特性的新型功能材料, 是信息技术、生物技术、能源技术等高技术领域和国防建设的重要基础材料, 同时也对改造某些传统产业, 如农业、化工、建材等起着重要作用, 是当今世界各国发展高新技术和国防尖端技术以及战略性新兴产业不可缺少的战略物资[1]。稀土消费量和消费结构反映了稀土材料终端应用领域的发展变化, 也反映了我国工业化进程、产业发展状况和经济发展方式的演变, 正确预测我国稀土需求对于制定行业政策、合理开发利用及保护稀土资源具有重要意义。[2]

1 预测方法及数据来源

由于影响稀土需求量的因素众多, 这些因素构成了一个复杂系统, 给稀土需求量的预测带来了困难, 因此目前国内外针对稀土需求进行预测的相关文献较少, 且多侧重定性研究, 如世界权威信息服务公司罗斯基尔对8种稀土材料下游应用行业发展趋势进行预测和分析来判断稀土需求量的走势和特点。[3]在稀土需求定量预测方面, 罗非 (2012) 采用指数平滑法对我国稀土生产和需求量分别进行预测;周扬等 (2013) 在分析差分自回归移动平均 (ARIMA) 模型与非线性灰色伯努利 (NGBM) 模型特点的基础上, 采用粒子群优化算法 (PSO) 对非线性灰色伯努利模型的参数进行了优选, 建立了ARIMA耦合PSO-NGBM的全球稀土消费总量的时间序列预测模型。在上述学者研究的基础上, 本文尝试采用时间序列法、情景分析法, 参照罗斯基尔公司的相关数据对2020年我国稀土需求量进行预测。

本文进行预测的基础数据来源于中国稀土学会年鉴、中国稀土信息中心、国家统计局网站以及罗斯基尔信息服务公司出版的《世界稀土经济与市场展望》 (第十四版) 。

2 时间序列法预测及分析

ARIMA模型将预测对象随时间的变化而生成的序列视为随机序列进行运算, 而我国稀土的消费量是一组非平稳时间序列, 是一组依赖于时间变化的随机变量, 需要对时间序列进行差分处理。依据最佳准则函数定阶法 (AIC准则定阶法) 和残差方差定阶法, 选择信息准则量 (AIC) 和残差方差较小的模型。[4]

将我国1978-2012年稀土消费时间序列数据输入PASW Statistics 18软件。表1给出模型拟合统计量, 可以看到所有模型拟合统计量R2均在0.932以上, 最高达0.998, 可见模型具有较高的拟合精度。Sig.列给出了Ljung-Box统计量的显著性值, 该检验是对模型中残差错误的随机检验, 表示指定的模型是否正确, 显著性值小于0.05表示残差误差不是随机的, 则意味着所观测的序列中存在模型无法解释的结构。从表1中可以看到统计量值Value的P值Sig.都大于显著性水平0.05, 所以残差项不能拒绝不自相关的原假设, 即残差项序列为白噪声序列, 可判断模型通过有效检验。图1为曲线拟合图, 可以看到拟合值与观测值具有较好的一致性。计算整理得到2020年我国稀土消费量预测结果 (见表2) 。

依据时间序列模型预测结果, 农轻纺领域稀土需求量呈下降趋势, 而其他4类的稀土需求量均呈增长趋势。预计到2020年我国对稀土需求量将达到10.74万吨, 与2012年相比, 年复合增长率约6.52%。

3 情景分析法预测及分析

稀土需求量的影响因素众多, 本文将其主要分为经济状况、行业政策和稀土替代技术的研发3个方面。情景的有效合理设置需要考虑多方面因素, 其中对历史数据和经验的分析十分重要, 本文根据上述3个因素通过设置不同的情景进行进一步分析。

3.1 经济状况情景设置

由于稀土材料涉及下游行业众多, 因此本文用国家GDP值和增长率代表经济发展状况。通过计算1982-2011年我国稀土总需求量与国家GDP总值的比率, 得到单位GDP的稀土需求量在0.12~0.42之间, 进一步计算得到单位GDP稀土需求量的平均值为0.28, 假设到2020年前, 我国单位GDP稀土需求量一直保持这一数值。

我国“十二五”规划确定GDP增速目标为7%, 从中国的实际经验看, 实际经济增长速度要高于规划速度。“十一五”规划速度是8%, 剔除价格因素, 实际平均增长速度是10.6%。党的十八大报告中提出“到2020年实现国内生产总值和城乡居民人均收入比2010年翻一番”的指标, 要实现两个翻一番的目标, 在接下来的几年中, 只要经济年均增速达到6.9%左右就可实现GDP翻一番目标, 考虑到人口增长因素, 要实现人均收入翻一番的目标, 对经济发展要求会更高一些, 粗略测算GDP年均增速达到7.1%左右就可保障, 而人均收入年均增速7%左右即可。2011年我国GDP增长率达到9.2%, 2012年为7.8%。考虑到上述规划目标及我国过去实际经济增长速度与规划速度的比较, 这里设定如下GDP增长情景:

(1) 低速发展情景 (A1) :2013-2020年间我国国民经济处于低速发展阶段, GDP增长速度为7%;

(2) 中速发展情景 (A2) :2013-2020年间我国国民经济处于中速发展阶段, GDP增长速度为7.5%;

(3) 高速发展情景 (A3) :2013-2020年间我国国民经济处于高速发展阶段, GDP增长速度为8%。

3.2 行业政策情景设置

从1983年到2012年, 我国稀土需求增长率呈波动状态, 除了2002、2008、2011和2012年几个特殊年份, 增长率都是正值。1999-2000年间稀土产品的高价位引发产能的扩大, 进一步导致生产过剩和大量库存, 而电信、视听设备和计算机设备需求的下降使2001-2002年出现了15年间第一次需求的下降。[5]2008年全球金融危机对全球稀土的需求造成了巨大冲击。

受2010-2012年密集的政策刺激期影响, 2011年我国各领域稀土需求均受到不同程度的影响, 稀土需求增长率为-4.5%, 2012年为-22%。据外媒报道, 在因中国稀土出口规制引发的美日欧对华贸易诉讼中, 世贸组织 (WTO) 已基本认可了美日欧的主张, 并已向相关国家发出暂定判断通知, 认定中国违反了2001年加入WTO时的协议承诺。我国败诉对国内来说是个大的利空, 但是政府肯定会出台相应政策予以应对, 会对我国在稀土行业相关政策制定和运用方面造成影响并引起需求量的波动。[6]同时, 鉴于稀土材料在军事和国家安全等方面运用的深入, 稀土行业对一个国家的政治意义和战略意义越来越高于经济意义, 从国家对稀土行业管控的过程也可以看到是由促进生产和出口改为提高税赋、控制出口, 依据前期我国稀土行业政策对稀土需求量的影响以及行业政策管控越来越严格的趋势[7], 根据行业政策的影响设置如下3种情景:

(1) 基准情景 (B1) :2013-2020年间我国稀土行业每年制定的政策、实施的行业管控优化措施对稀土需求增长率的影响为-6%;

(2) 优化情景 (B2) :2013-2020年间我国稀土行业每年制定的政策、实施的行业管控优化措施对稀土需求增长率的影响为-6.5%;

(3) 管控情景 (B3) :2013-2020年间我国稀土行业每年制定的政策、实施的行业管控优化措施对稀土需求增长率的影响为-7%。

3.3 替代技术情景设置

稀土需求更多地取决于下游产品和应用领域出现的稀土替代品, 而替代品是否会广泛应用取决于其使用成本。结合目前世界主要发达国家稀土替代技术研发以及稀土货源紧缺推动, 预计未来几年, 稀土替代技术将应用到实际生产和使用中, 使稀土需求量有所下降。[8]考虑到目前尚没有稀土替代技术导致稀土需求量下降比率的历史数据, 结合目前世界上稀土替代技术研发进展, 本文对稀土替代技术导致稀土需求量下降的比例设置如下情景:

(1) C1情景:稀土替代技术导致稀土需求量下降比例为2%; (2) C2情景:稀土替代技术导致稀土需求量下降比例为2.5%; (3) C3情景:稀土替代技术导致稀土需求量下降比例为3%。2012年我国GDP总量为519 322亿元, 稀土需求量为64 797吨REO, 以2012年为基期, 依据上述3个主要影响因素不同情景设置, 得到如下稀土需求量预测值 (见表3~表5) 。

通过主要影响因素的不同情景设置, 可以看到在情景A1B3C3下稀土需求量的值最低, 即2020年需求量为10.96万吨REO, 在情景A3B1C1下稀土需求量的值最高, 即2020年需求量达到13.96万吨REO, 其他情景下稀土需求量的预测值介于上述两值之间。但与时间序列法中对稀土需求量发展趋势的预测结果不同的是, 由于参数设置使得2013年稀土需求量突兀剧增, 且所有情景下稀土需求量都呈逐年下降的趋势。

4 参考罗斯基尔公司相关数据预测及分析

英国的罗斯基尔信息服务有限公司是一家专门提供全球范围内各类金属 (矿业) 相关行业信息的世界知名咨询服务公司。本文参考罗斯基尔信息服务公司对稀土各应用领域下游行业未来发展趋势和年平均增长率数据, 以2010年世界各应用领域稀土需求量为基期, 计算得到2020年时按应用区分的需求预测 (见表6) 。预计到2020年, 世界稀土需求总量将达到25万~28.7万吨, 年平均增长率为7%~8%。其中永磁体继续成为稀土最大的终端应用市场, 永磁体、金属合金、荧光粉及陶瓷将保持较高的增长速率。

在此期间内, 中国是最大的消费国, 而且是全球增长率的主要驱动因素。预计2020年前中国需求的增长速率比世界其他国家高, 但是中国增速比21世纪初期时的增长速度慢。依据对后期中国需求增速与其他国家和地区比较, 中国需求比例将低于目前的70%, 估计将达到一半左右, 即2020年我国的稀土需求量在12万~14万吨。罗斯基尔的分析数据中对中国稀土政策的影响效应判断稍显不足, 但这并不影响其对稀土需求量总体走势和各领域应用情况的判断。

5 结论

本文基于我国稀土需求总量、需求结构以及世界占比等历史数据, 分别采用时间序列法、情景分析法, 参照世界权威信息服务公司罗斯基尔的相关数据, 对2020年我国稀土需求量进行预测。时间序列法预测将影响我国稀土需求量的一切因素由“时间”综合起来, 通过应用ARIMA模型预测2020年我国稀土总需求量达到10.74万吨, 其中新材料领域稀土需求量占总量的一半以上。情景分析法中对政策影响因素和替代技术影响因素进行情景设置时可参考的历史数据相对较少, 但是提出并依据政策和替代技术等具体影响因素来判断稀土需求量的未来走势和区间具有重要而积极的意义。基于对后期经济发展趋势、政策密集度和力度判断以及稀土替代技术研发应用的前景预期, 预测到2020年我国稀土需求总量为10.96万~13.96万吨。本文进一步参照世界权威信息服务公司罗斯基尔关于稀土在下游领域应用趋势及中国稀土需求量占比估算等相关数据, 计算得到2020年我国的稀土需求量为12万~14万吨。综合上述几种预测方法, 本文预测到2020年我国各领域稀土总需求量为11万~14万吨, 比较2012年, 年复合增长率为7%~10%。

当然任何一种计量模型或定性和定量相结合的预测结果都不可能完全精确, 因为模型和情景参数等都是直接或间接地依据历史数据来建立, 同时每种预测方法都有其局限性, 但预测值能够提供分析工具和决策的参考依据。[9]

参考文献

[1]何文章, 卢福财.基于价值创造的稀土可持续产业价值链研究[J].云南社会科学, 2013 (3) :90-95.

[2]魏龙, 潘安.中国稀土资源供给水平及其可持续发展评价[J].改革, 2012 (11) :55-60.

[3]李文龙.我国稀土产业可持续发展问题研究[J].科学管理研究, 2011, 29 (1) :102-105.

[4]Ujjwal Kumar, V K Jain.Time Series Models (Grey-Markov, Grey Model with Rolling Mechanism and Singular Spectrum Analysis) to Forecast Energy Consumption in India[J].Energy, 2010, 35 (4) :1709-1716.

[5]吴志军.我国稀土产业政策的反思与研讨[J].当代财经, 2012 (4) :90-100.

[6]张国栋.WTO初裁中方败诉, 稀土配额制面临挑战[N].第一财经日报, 2013-11-01.

[7]孟弘, 王革.加强我国稀土产业技术创新的几点建议[J].科技管理研究, 2011 (17) :8-10.

[8]吴一丁, 毛克贞.“稀土问题”及稀土产业的政策取向[J].经济体制改革, 2011 (5) :170-173.

多种需求 第5篇

在国家局推行订单供货以后, 全国卷烟产销交易模式产生了很大的变化, 实现了商业挂单、工业确认。因此, 怎样把握本地卷烟市场的真实需求, 是当前必须要研究的重要课题。这一阶段, 卷烟企业有必要按照国家局、销售公司的部署, 将需求预测工作作为企业战略中不可或缺的重要环节, 确立一套比较详细的预测思路和比较完整的预测体系。本文以河北省某市卷烟销售为例, 应用各种成熟的定量预测模型, 对该市2010年卷烟需求作出预测。

一、趋势外推法预测河北省某市卷烟市场需求

趋势外推法 (Trend extrapolation) 是根据过去和现在的发展趋势推断未来的一类方法的总称, 用于科技、经济和社会发展的预测。趋势外推的基本假设是未来系过去和现在连续发展的结果。趋势外推法的基本理论是:决定事物过去发展的因素, 在很大程度上也决定该事物未来的发展, 其变化不会太大;事物发展过程一般都是渐进式的变化, 而不是跳跃式的变化, 掌握事物的发展规律, 依据这种规律推导, 就可以预测出它的未来趋势和状态。

根据表1数据, 选择用一次 (线性) 预测模型:y赞=c+bt来拟合数据。由最小二乘法估计参数, 得线性预测模型样本回归方程为:

利用式 (1) 对2010年 (t=2010) 的情况进行预测:

注: (1) 数据来源于河北河北某市烟草公司历年财务报表; (2) 1箱=5件, 1件=50条, 1条=10包。

二、时间序列分解法预测河北省某市卷烟市场需求

经济时间序列的变化受到长期趋势、季节变动、周期变动和不规则变动这四个因素的影响。其中: (1) 长期趋势因素 (T) 反映了经济现象在一个较长时间内的发展方向, 它可以在一个相当长的时间内表现为一种近似直线的持续向上或持续向下或平稳的趋势。 (2) 季节变动因素 (S) 是经济现象受季节变动影响所形成的一种长度和幅度固定的周期波动。 (3) 周期变动因素 (C) 也称循环变动因素, 它是受各种经济因素影响形成的上下起伏不定的波动。 (4) 不规则变动因素 (I) , 不规则变动又称随机变动, 它是受各种偶然因素影响所形成的不规则变动。

我们选择乘法模型Yt=TtStCtIt进行下面的分析。其中:Yt表示变量Y在第t期的值;Tt表示长期趋势T在第t期的值;St、Ct和It分别表示季节变动、周期变动和不规则变动在第t期的变动率

(一) 长期趋势分析

根据表3数据, 以时间t作自变量, 以销售量y作因变量, 以直线模型y赞=c+bt拟合长期趋势。由最小二乘法估计参数, 得长期趋势模型回归方程为:

(箱)

(二) 季节变动分析

移动平均趋势剔除法, 就是在现象具有明显长期趋势的情况下, 测定季节变动的一种基本方法。基本思路:先从时间数列中将长期趋势剔除掉, 然后再应用“同期平均法”剔除循环变动和不规则变动, 最后通过计算季节比率来测定季节变动的程度。

“移动平均趋势剔除法”来测定季节变动趋势。其基本步骤如下:

第一, 先根据各年的季度资料计算四季的移动平均数, 然后为了“正位”, 再计算二季移动平均数, 作为各期的长期趋势值 (T) 。

第二, 将实际数值 (Y) 除以相应的移动平均数 (T) , 得到各期的Y/T。这就是消除了长期趋势影响的时间数列, 它是一个相对数, 称为季节指数。

第三, 将Y/T重新按“同期平均法”计算季节比率的方式排列。然后, 按照该方法要求, 先计算“异年同季平均数”, 然后再计算“异年同季平均数的平均数”, 即消除长期趋势变动后, 新数列的序时平均数;最后, 计算季节比率。

利用趋势剔除法分析季节变动, 根据表3数据, 计算结果见表5。

(三) 周期变动分析

我们选用剩余法进行周期变动的研究。根据表3的数据, 周期变动具体计算结果见表6。

(四) 时间序列分解法预测

上面我们分别分析、测定了长期趋势、季节变动和周期变动, 由于不规则变动因素不可预测的, 因此, 用下式进行未来值的预测。

根据表6的周期变动走势情况, 2010年4个季度的周期变动值分别为104%、103%、104%、105%。利用表6的数据、式 (2) 或 (3) , 可以分别算得各个季度的预测量。

所以, 通过时间序列分解法, 2010年全年卷烟需求预测量为58 046 942箱。

三、多元线性回归法预测河北某市卷烟市场需求

多元回归分析预测法, 是指通过对两上或两个以上的自变量与一个因变量的相关分析, 建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时, 称为多元线性回归分析。在市场的经济活动中, 经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况, 也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分, 或者有的因素虽属次要, 但也不能略去其作用。例如, 某一商品的销售量既与人口的增长变化有关, 也与商品价格变化有关。这时, 采用一元回归分析预测法进行预测是难以奏效的, 需要采用多元回归分析预测法。

下面, 我们从影响卷烟需求的非时间性的因素出发, 利用回归分析的方法, 从因果关系的角度, 进一步对河北某市卷烟需求变化进行研究。同时, 也是根据组合预测“相关性较低原则”, 选择相关性较低, 区别度较大的不同模型、方法分别分析, 以期在后期组合分析中实现最大限度的信息综合利用。

(一) 卷烟市场需求多元回归模型

基于影响市场需求的四大因素 (即卷烟商品的价格、消费者的收入、消费者的偏好、相关商品的价格) , 一般市场需求模型通常可以表达为:QD=f (P, I, P0, T) 。式中, P为产品或服务的价格, I为收入, P0为相关商品的价格;T为对消费者偏好的测度。它的线性形式可以表示为:QD=B+apP+aII+a0P0+aTT+u

由于卷烟属于嗜好品的原因, 其消费偏好相对稳定, 相关商品价格的影响很少, 因此影响卷烟市场需求的因素主要是卷烟商品的价格和消费者的收入。下面我们将选择它们对卷烟销售数据进行分析, 从而将上面的线性模型调整为二元线性回归模型:

其中, Yt为卷烟需求量, X1t为卷烟的价格X2t (即单箱值) , 为居民人均收入。

注: (1) 销量、单箱值数据来源于河北河北某市烟草公司历年财务报表; (2) 单箱值=年销售收入÷年销量, 即单箱卷烟的价格; (3) 河北省国内生产总值数据来源于锐思数据库。

(二) 单箱值、居民人均收入和卷烟需求的预测

根据表7数据, 以直线模型来拟合近6年单箱值的数据。由最小二乘法估计参数, 得:当t=7, 即2010年时, 单箱值预测值=9 713.7 (元) 。

根据河北省统计年鉴显示, 从2004年开始, 国内生产总值几乎每年增长速度均达到15%以上, 这得益于河北省整体经济的发展。然而, 由于全球金融危机, 2009年降至5%左右, 随着全球经济的逐渐复苏, 以及中国政府救市措施的施行, 2010经济运行的开始恢复, 结合自2004年以来的高速发展, 以及金融危机的影响, 我们保守估计2010年的增速至少达到7%。

2010年河北省国内生产总值预测值=1 702 660 (1+7%) =1 821 846.2 (元)

将上面算得的2010年的单箱值、河北省国内生产总值代入式 (5) , 得2010年销售量预测值:

四、河北某市卷烟市场多种模型需求预测的对比分析

在上面, 我们分别用趋势外推法、时间序列分解法和二元线性回归法对河北某市的历史数据进行了分析, 并做出了2010年的预测情况, 具体结果见表11。

从表11情况来看, 一是3个模型预测的平均相对误差绝对值都在2%以下, 整体上表明模型都具有较高的精度, 尤其是时间序列分解法的平均相对误差绝对值仅有0.695%;二是3个模型的样本观测值都较少, 最多1个也只有27个样本观测值 (时间序列分解法中27个季度的数据) , 体现的年度数据不多, 仍属于小样本范畴;三是采用的两类预测方法各有特点, 如时间序列预测侧重于预测对象本身的历史数据研究, 回归预测注重分析影响预测对象的各因素所造成的影响。综上所述, 在实际应用中, 不但要根据历史销售数据, 对未来的销售做好提前准备, 同时, 还应综合考虑市场各种相关因素的改变, 在参照历史销售数据的基础上, 结合市场的已经或可能即将发生的变化, 做出适当调整。这样的预测不但包含了卷烟销售的历史信息, 同时包含了市场变化的信息, 所作出的预测结论是科学、有效的。

摘要：通过对河北省某市卷烟历史销售数据构建定量预测模型, 分析比较了趋势外推法、时间序列分解法和多元回归法对历史数据的拟合优度以及预测上的功效。得出结论:时间序列数据的模型能很好地利用历史销售数据, 在市场没有发生显著变化的情况下, 预测精度高;而多元回归法能有效捕捉市场变化信息, 预测结果能反映相关因素的影响。

关键词：卷烟需求,时间序列,多元回归

参考文献

[1]厉无畏, 陈漪清.我国卷烟需求预测分析[J].数理统计与管理, 1985, (2) :14-19.

[2]Grambsch P, W A Stahel.Forecasting demand for special telephone services:A case study[J].International Journal of Forecasting, 1990, 6 (1) :53-64.

[3]毛正中, 等.影响我国卷烟需求的因素分析[J].中国卫生资源, 1998, (4) :154-156.

[4]Vandewalle N, M Ausloos, P Boveroux.The moving averages demystified[J].Physica A:Statistical Mechanics and its Applica-tions, 1999, 269 (1) :170-176.

[5]白远良, 吴应禄, 程晓苏.我国卷烟需求分析 (下) ——卷烟需求模型实证分析与结论[J].中国烟草学报, 2007, (4) :55-59.

[6]王森, 吴春明.烟草系统卷烟需求预测模型的探讨[J].现代机械, 2007, (2) .

[7]Triantafyllopoulos K, G P Nason.A Bayesian analysis of moving average processes with time-varying parameters[J].ComputationalStatistics&Data Analysis, 2007, 52 (2) :1025-1046.

[8]董晓民, 杜秀亭.卷烟需求预测基本方法及其应用[J].内蒙古科技与经济, 2008, (8) :143-145.

[9]杜秀亭, 董晓民.卷烟需求预测的步骤与方法选择[J].内蒙古科技与经济, 2008, (4) :54-55.

多种需求 第6篇

近年来,可维(Kewill)不断发力中国市场,成立了可维宇博商务电子(上海)有限公司,在上海建立了近百人的开发、实施及销售团队,积极拓展中国的运输管理系统(TMS)市场。可维(Kewill)亚太以及日本地区高级副总裁Guhan Periasamy表示,随着物流网络、供应链环境变得越来越复杂,越来越多的中国企业开始意识到运输管理的重要性。

Guhan Periasamy于2013年5月加入Kewill,任职亚太以及日本地区的高级副总裁,负责管理整个亚太地区的销售团队以及渠道合作伙伴。

记者首先请您介绍一下可维的业务特点。

Guhan Periasamy:可维成立40年来一直致力于供应链执行层面的解决方案,我们的核心产品MOVVTM平台是一款全面的端到端解决方案,用于管理复杂的运输、物流和贸易合规性问题目前我们的业务领域主要有三大块,分别是物流服务提供商、制造商、零售商与分销商。其中,物流服务提供商面临的主要挑战在于随着运输和成本上升,竞争加剧以及需求保持波动,全球物流服务提供商的毛利率正在下滑。对此,可维MOVETM平台可帮助企业降低成本、改善网络波动性管理并与贸易合作伙伴更为高效地集成,从而帮助企业改善利润并以更为盈利的方式运营。

对于制造商而言,其面临的主要挑战来自于全球贸易扩大了有效的多式运输需求以及物流流程(包括合规)的成本和复杂度,对此,可维MOVETM平台可实现更好的可视性、合规性、更少的错误以及更高的灵敏度。所有这些收益将降低风险并带来更高利润。

相比之下,零售商与分销商的主要挑战来自于多渠道需求、高企不下的断货次数、交付错误或缺失所产生的高成本,对此可维MOVETM平台提供正规物流流程的端到端可视性,帮助企业改善库存管理、缩短运输时间以及改善订单履行和交付的准确性,从而节省企业的时间和资金,并改善客户服务。

记者国外的运输管理系统经历了怎样的发展?作为外资公司,可维在拓展中国市场方面有哪些优势?

Guhan Periasamy:目前在中国,物流运输行业有一个十分明显的特点,就是存在大量个体的运输公司(或承运人),这些群体共同组成了运输网络。事实上,欧美发达国家也经历过这样的过程,随后才出现了零担运输方式。如今越来越多的中国运输企业开始意识到学习国外的发展经验,在这一转变过程中,运输管理系统必不可少。可维所做的是为这类用户提供一个一体化的平台,支持他们去发展业务,实现全程运输透明化管理。

在该领域,大多数外资供应链软件提供商更专注于运输优化,而可维的TMS更专注于执行,更贴近中国市场的需要。而本土的TMS更多的是针对客户的需求进行定制开发,在系统的成熟性、稳定性和可拓展性上都有待提高。但对于可维来说,基于在多年的实践中积累的丰富经验,可维MOVETM平台可以以功能配置的方式,为客户的业务拓展提供足够的支持。同时,我们的顾问团队全部是来自于IT和物流行业,确保为客户提供行之有效的解决方案。

值得一提的是,2013年10月8日,可维宣布完成对总部设在印度海得拉巴的Four Soft Ltd.的资产及其附属公司的收购,使可维成为一家收入超过1.1亿美元、拥有7,500名客户、业务范围横跨100多个国家/地区的企业,并扩展和提升了可维MOVETM的产品平台。

记者可维如何看待中国物流运输信息化市场的发展前景和趋势?

Guhan Periasamy:对于可维来讲,中国是一个非常重要的市场,主要原因有几个方面:首先,中国经济正在转型,政府会更多的投入内需市场,比如电商行业的爆发增长等。第二,政府大力推动物流市场的升级,比如在北方或西北偏远区域开展物流仓储设施的建设,这样一来,物流和供应链网络会变得更加复杂。第三,现在有一些外资企业意识到中国人力成本上升,他们可能会把工厂搬到成本更低的国家和地区,在此情况下,越来越多的中国企业需要进行重新定位。

同时,我们发现,随着中国供应链环境的日趋复杂,多式运输的市场规模快速增长,这也是可维选择此时发力中国市场的原因。目前,可维已与一些外资企业的在华分支以及一些本土企业建立了合作关系可以预见,未来中国会有更多的不同类型的公司成为我们的客户。

记者您如何看待中国企业在物流运输信息化建设方面的特点?针对这些特点,可维将提供哪些产品和服务?

Guhan Periasamy:从目前亚洲制造企业在物流信息化方面的投入情况来看,仓储管理系统(WMS)仍是投资重点,运输管理系统(TMS)方面的投入并不多。但一些企业已经开始意识到,随着物流成本的不断增加和供应链复杂程度的提高,运输信息化已经成为企业降低成本,提高盈利能力的关键因素。

同时,对于多样化运输、仓配一体化等中国物流运输市场发展的新趋势,可维也具有很强的竞争优势。比如,可维的WMS和TMS都是基于MOVETM平台搭建,通过该平台,客户能够看到其库存情况,并了解整个运输配送过程,支持多式联运等多样化的运输解决方案。

此外,基于对中国市场的了解,可维在产品定价方面提供了购买软件许可和SaaS(软件即服务)两种不同的模式,满足不同规模、不同层次的客户需求。

记者对于运输管理系统的应用和建设需求,不同的行业客户有哪些区别?对此可维如何满足?

Guhan Periasamy:不同行业客户对于物流管理系统的应用和建设需求是不一样的。比如,对于物流服务商来说,他们通常需要面向多家客户提供服务,使用一个或多个仓库,每个仓库同时服务于多家客户,即使对同一家客户也会涉及管理不同的产品这类客户在进行运输管理系统建设时,更关注复杂的点对点流程、多样化的配送和集货方案、线路优化与计划、车辆调派、仓储运输交接、订单查询、实时掌握车辆动态等。而零售商与分销商的运输管理系统更关注优化物流流程。比如,如何合理有效地安排装载、线路以及退货返程等。