预测模型都是数理统计模型，原理部分非常枯燥，但原理部分是很重要的，可用帮助我们在做预测是选用哪种模型或者用哪几种结合来使用，以到达更精准的预测的前提。
移动平均
移动平均法是最简单最常用的预测模型之一，目的是运用一个对于过去的区间的平均值，来预测未来的方法。移动平均有两种方法：
中心移动平均
尾部移动平均
对于中心移动平均的n个（n为奇数）时间区间t:
MAt=（Yt-(n-1)/2 + Y t-(n-1)/2+1++ Y t-(n-1)/2+2 +…+ Yt +…+ Y t+(n-1)/2+1 ++Y t-(n-1)/2) /n
比如n是3，那么MAt=（Y t-1+Yt+Y t+1）/3
对于中心移动平均的n个（n为偶数）时间区间t，我们需要做两次移动平均：
简单来讲，如果n为4，MAt=(（Y t-2+Yt-1+Yt +Y t+1)/4 +（Y t-1+Y t+Yt+1+Y t+2)/4）/2
中心移动平均，我们通常用来可视化移动平均，尾部平均我们通常用来做预测。
平滑量（window width）
知道了移动平均的算法，那么平滑量W的取值将直接影响预测结果，如果我们取W就是整个预测区间，那么移动平均的结果将会过度平滑；
如果我们取W=1，那么就是等于没有平滑，这个模型就是单纯预测法（naïve forecast）
naïve forecasts是最简单直观的预测，简单来说，我们怎么知道明天的天气情况，通常很有可能跟今天类似，所以，我们就认同，第二天跟今天一样的温度，简单来讲，下一个预测跟前一个实际情况一样，那么下面图表就很清晰的得出了相关预测。
最后一天的预测就等于后面所有的时间区间的预测，这是非常有用又非常简单的预测模型，比如说，我们的消耗是季节性的，我们就可以认定，下一年的消耗也符合上一年一样的季节性特征，很多时候，这种预测模型非常好的拟合了将来，我们还可以运用这种模型去验证复杂模型的错误和合理性。
在物流的日常运用中，我会通常选用一个季节作为平滑量，去预估将来的可能。
差分时间序列Differencing a timeseries
从上面的理论上可以看出移动平均方法无法预测季节和趋势，但通常情况下，需求往往会有季节和趋势影响，我们用下面的差分时间序列来看如何处理
Difference 1：Yt-Y t-1 我们用来去除需求的趋势影响
Difference 2：Yt-Y t-M 如果M=一个季节所cover的区间，那么这个方法用来去季节影响
我们可以同时运用这两种difference的方法去去除趋势和季节影响来预测将来。
所以，我们可以利用差分时间序列去除季节影响，找到趋势线，并预测未来。简单来说，
Yt=St*Lt（St是季节因素，Lt是趋势因素）
通过对季节的移动平均，去季节，并去趋势，这样就可以预估出将来的可能的物料消耗。这是最简单的预测模型，可以预测有季节和趋势的消耗，我们可以通过MSE来验证模型是否符合当前消耗。
下面的录像中，我们就用到了差分去除季节影响，并实现预测。
相关好文如下，点击即可阅读
如何用Excel做供应链网络优化（通俗易懂）
最实用的呆滞物料处理方案
供应链神人：不用系统也能处理海量订单
一个真实的供应链九宫格ABCXYZ降本案例
ABCXYZ策略分类在需求计划和供应计划中的应用
物料计划中如何使用Excel实现一对多反向查询功能
有了ERP 软件，供应链人为什么还依赖 Excel 表格？
Excel新技能 -- 产能与销售策略最优决策分析
为什么很多公司的ERP系统用得还不如Excel