完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.author | 陳怡文 | en_US |
dc.contributor.author | 韓復華 | en_US |
dc.date.accessioned | 2015-11-26T01:07:54Z | - |
dc.date.available | 2015-11-26T01:07:54Z | - |
dc.date.issued | 2010 | en_US |
dc.identifier.uri | http://140.113.39.130/cdrfb3/record/nctu/#GT079732518 | en_US |
dc.identifier.uri | http://hdl.handle.net/11536/45386 | - |
dc.description.abstract | 貨運需求預測(Freight Transportation Demand Forecasting)是第三方物流業者要進行貨物運送前對貨物運送需求所做出的預測模式,再經由預估之運量進行貨物運送車輛派遣、車輛路線規劃、人員安排等的作業流程規劃。根據本研究之個案台灣H貨運公司所提供之資料顯示,台灣運輸業者的運輸成本占營收比的20~25%,運輸成本占總營運成本相當大的比例。因此準確的預測貨運需求量將有助於在車輛與人力方面做出最有效率的安排。 本研究採用三年之每日各站所發貨量資料進行模式之建立與預測。模式以指數平滑模式(Exponential Smoothing Method, ESM)與自我迴歸移動平均整合模式(Autoregressive Integrated Moving Average method, ARIMA)為基礎之四種時間序列預測模式進行貨運量需求量預測,包括:傳統ESM、抑制趨勢多重日期屬性指數平滑模式(Damped Trend Multi-Calendar exponential smoothing, DTMC)、傳統ARIMA模式與多重季節性自我迴歸移動平均整合模式(Multi-Seasonal Autoregressive Integrated Moving Average, MSARIMA)。 最後以五股、新竹、台中、永康與鳳山五個營業站所之資料進行測試,整體預測結果顯示ARIMA模式之預測效果較佳。當資料變異係數在40%以下時,MSARIMA與DTMC模式之預測效果較佳;尤其是MSARIMA模式預測之MAPE為10.64%,且預測誤差標準差僅0.58%。此預測效果與Lewis (1982)提出之MAPE小於10%為預測效果極佳之標準接近。 | zh_TW |
dc.language.iso | zh_TW | en_US |
dc.subject | 貨物運送 | zh_TW |
dc.subject | 需求預測 | zh_TW |
dc.subject | 時間序列 | zh_TW |
dc.subject | 指數平滑 | zh_TW |
dc.subject | ARIMA | zh_TW |
dc.subject | freight transportation | en_US |
dc.subject | demand forecasting | en_US |
dc.subject | time series | en_US |
dc.subject | exponential smoothing | en_US |
dc.subject | ARIMA | en_US |
dc.title | 貨運需求預測:指數平滑與ARIMA相關模式之比較 | zh_TW |
dc.title | Freight Transportation Demand Forecasting: Comparison of Exponential Smoothing-based and ARIMA-based Models | en_US |
dc.type | Thesis | en_US |
dc.contributor.department | 運輸與物流管理學系 | zh_TW |
顯示於類別: | 畢業論文 |