基于ARIMA模型的JG鋼鐵原料庫存量預測研究

馬自冉　劉懷勇

摘 要：庫存量是減少原料的損失及成本的浪費是節約企業成本的關鍵。文章基于時間序列自回歸滑動平均（ARIMA）預測模型，對JG鋼鐵原料庫存量資料進行建模擬合。利用DPS軟件，建立ARIMA預測模型，利用AIC準則法并考慮相關系數R的值以及擬合度C的大小定階，通過擬合建模，ARIMA（1，l，1）模型較為合理。應用模型對2015年4月1日至4月5日庫存量進行了預測，實現了JG鋼鐵原料庫存量的短期預報。

關鍵詞：庫存量；ARIMA模型；時序殘差圖

中圖分類號：TF089 文獻標識碼：A 文章編號：1006-8937（2015）23-0147-01

1 背景概述

目前我國鋼鐵企業庫存成本占產品總成本的32%～36%，超過鋼鐵生產的直接成本。通過對鋼鐵企業原料庫存量的準確預測，可以防止原料庫存積壓引起的成本的制約問題，同時避免產生因為原料庫存量過小，影響正常生產的問題。

原料庫存量值之間有一定的依賴性和相關性，是有時間意義的動態序列。目前對時間序列數據進行預測通常采用博克思-詹金斯（Box.Jenkins）方法，包括：

①自回歸模型AR，滑動平均模型MR，自回歸滑動平均模型ARMA。

②累積式自回歸滑動平均模型ARIMA（p，d，q）。

平穩時間序列通常采取AR，MR和ARMA這三種模型。

由于原料庫存量的時間序列屬于非平穩序列，因此本文選取ARIMA（p，d，q）模型對庫存量進行預測。

2 資料與方法

2.1 資料來源

本文選取JG鋼鐵2015年1月到2015年2月每天原料庫存量統計數據。

2.2 ARIMA建模方法

2.2.1 數據序列的檢驗和處理。

首先，需要確定數據是不是符合正態分布，DPS軟件通常采用X2檢驗，如果不符合，需要對數據進行正態化處理。其次，檢驗數據是不是存在平穩性，如果不穩定，需要進行差分處理。……