طراحی مدل سری زمانی برای پیش بینی فروش شرکت نفت پارس

پایان نامه
چکیده

پیش بینی یک عنصر کلیدی در تصمیم گیری مدیریت است. پیش بینی به عنوان وسیله ای در جهت تسهیل برنامه ریزی و تصمیم گیری شناخته شده است که بایستی برای موثرتر نمودن عملکرد سازمان در نظر گرفته شود. برآورد تقاضای آینده کالاها و خدمات که «پیش بینی فروش» نامیده می شود نقطه شروع همه پیش بینی ها در مدیریت تولید و فروش است. پیش بینی های فروش، ورودیهای پیش بینی منابع تولید و استراتژی تجاری اند. بررسی روشهای پیش بینی و ترکیب این روشها با هدف کاهش خطای پیش بینی، در این تحقیق مورد بحث قرار گرفته است.روش های پیش بینی مورد نظر،روش های پیش بینی سری زمانی هستند. جهت ترکیب روش های فردی از مدل رگرسیون مرکب که توانایی انجام آزمونهای آماری مختلف برای تایید مدل را دارد،استفاده شده و در آن مقادیر نتایج روش های فردی،متغیر های مستقل و پیش بینی ترکیبی متغیر وابسته تعریف شده است. داده های جمع آوری شده،مقدار کل فروش دو محصول شرکت نفت پارس به صورت هفتگی و برای 290 هفته(از ابتدای سال 83 تا پایان دی ماه 87) بوده است. در این تحقیق سه سناریو مطرح می شود: 1)مدل سری زمانی پیش بینی فروش شرکت نفت پارس یک مدل ترکیبی است. 2)مدل سری زمانی پیش بینی فروش شرکت نفت پارس یک مدل ols (رگرسیون کلاسیک) است. 3)مدل سری زمانی پیش بینی فروش شرکت نفت پارس یک مدل اتورگرسیو (مدل مرتبه 1 از مدلهای arima) است. بدین منظور ابتدا پیش بینی فروش برای دو محصول شرکت با روشهای مختلف: نمو هموار ساده، مدل هلت-وینترز، مدل میانگین متحرک، اتورگرسیو ومدل arima انجام گرفته و سپس از بین این مدلها، مدلی که سازگاری بیشتری با داده ها داشته و دارای خطای کمتری بوده است،انتخاب شده و در ترکیب مورد استفاده قرار گرفته است. برای محاسبه خطاهای پیش بینی از آماره های rmse ،mae ،mape ،me و mpe استفاده شده است، که مقایسه آماره های خطای روشهای مختلف ، بیانگر این حقیقت است که مد لهای ترکیبی از تمامی روش های کلاسیک بهتر عمل نموده اند.

منابع مشابه

کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل ARMA برای پیش بینی سری زمانی

برای پیش‏بینی سری ‏زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل ARMA سری ‏زمانی، چالشی است که علاوه بر روش‏های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل ARMA و قواعد کشفی برای تعیین ابعاد مدل ارائه می‏شود. قواعد کشفی بر‌اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده...

متن کامل

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

متن کامل

مقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران

     با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به  مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی  زمانی1371:1 تا 1385:11 بوده و  از شر...

متن کامل

کاربرد مدل شبکه عصبی- موجک برای پیش بینی ویژگی های غیرایستا و غیرخطی سری زمانی تراز آب زیرزمینی

سفره ‏های آب زیرزمینی غالباً به عنوان سیستم ‏هایی با ویژگی ‏های غیرایستا و غیرخطی شناخته می ‏شوند. مدل‏ سازی این سیستم ‏ها و پیش ‏بینی حالت ‏های آینده آن ‏ها نیازمند تشخیص این ویژگی‏ های بنیادی است. اخیراً، آنالیز موجک به دلیل توانایی آن در رمزگشایی ویژگی‏ های اشاره‏ شده، به طور گسترده ‏ای در زمینه پیش ‏بینی سری‏ های زمانی هیدرولوژیکی مورد استفاده قرار گرفته ‏است. در این مقاله توانایی مدل ترکیبی ...

متن کامل

طراحی مدل تصمیم گیری راهبردی روش فروش نفت خام برای حضور ایران در بازار نفت

در کشورهای نفتی موضوع صادرات نفت خام همواره پیچیدگی‌های بسیاری در نحوه فروش، نحوه قیمت‌گذاری و نوع قرارداد داشته است؛ چرا که این کالای راهبردی علاوه بر عوامل اقتصادی چون عرضه و تقاضا، به شدت تحت تأثیر سیاست کشورها، روابط بین الملل و حوادثی است که در دنیا رخ می‌دهد. در ایران، درآمد بخش نفت نزدیک به 20 درصد تولید ناخالص داخلی (GDP)، حدود 80 درصد کل صادرات و بین 60 تا 70 درصد بودجه دولت را تشکیل م...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023