APP下载

基于ARIMA模型的JG钢铁原料库存量预测研究

2015-05-30马自冉刘怀勇

企业技术开发·中旬刊 2015年8期

马自冉 刘怀勇

摘 要:库存量是减少原料的损失及成本的浪费是节约企业成本的关键。文章基于时间序列自回归滑动平均(ARIMA)预测模型,对JG钢铁原料库存量资料进行建模拟合。利用DPS软件,建立ARIMA预测模型,利用AIC准则法并考虑相关系数R的值以及拟合度C的大小定阶,通过拟合建模,ARIMA(1,l,1)模型较为合理。应用模型对2015年4月1日至4月5日库存量进行了预测,实现了JG钢铁原料库存量的短期预报。

关键词:库存量;ARIMA模型;时序残差图

中图分类号:TF089 文献标识码:A 文章编号:1006-8937(2015)23-0147-01

1 背景概述

目前我国钢铁企业库存成本占产品总成本的32%~36%,超过钢铁生产的直接成本。通过对钢铁企业原料库存量的准确预测,可以防止原料库存积压引起的成本的制约问题,同时避免产生因为原料库存量过小,影响正常生产的问题。

原料库存量值之间有一定的依赖性和相关性,是有时间意义的动态序列。目前对时间序列数据进行预测通常采用博克思-詹金斯(Box.Jenkins)方法,包括:

①自回归模型AR,滑动平均模型MR,自回归滑动平均模型ARMA。

②累积式自回归滑动平均模型ARIMA(p,d,q)。

平稳时间序列通常采取AR,MR和ARMA这三种模型。

由于原料库存量的时间序列属于非平稳序列,因此本文选取ARIMA(p,d,q)模型对库存量进行预测。

2 资料与方法

2.1 资料来源

本文选取JG钢铁2015年1月到2015年2月每天原料库存量统计数据。

2.2 ARIMA建模方法

2.2.1 数据序列的检验和处理。

首先,需要确定数据是不是符合正态分布,DPS软件通常采用X2检验,如果不符合,需要对数据进行正态化处理。其次,检验数据是不是存在平稳性,如果不稳定,需要进行差分处理。……

登录APP查看全文