1.选择合适的预测模型

为了便于计算，考虑到观测值呈明显的递增趋势，并且样本相对较小，参照表5-2和表5-3，对四个预测单元的需求预测都分别采用GM（1，1）^[59-60]、RBF^[61-62]法和三次指数平滑法（Triple Exponential Smoothing，TES）法^[63]进行单模型预测。

2.对各级产品服务中心的需求分别进行预测

对各预测单元的单模型预测结果见表5-5。把1998—2007年的观测值作为样本内拟合数据，2008—2012年的观测值用来检验样本外推预测效果，其中第t年预测值是以1995年至第t-1年的观测值为依据，从1998年开始产生预测值。表5-6中各输入序列的样本内拟合权重由其对1998—2007年的预测（见表5-5）MRD确定，计算参照式（5-1）～式（5-4）。

表5-5 单模型预测结果 （单位：台）

3.计算全国市场（一级产品服务中心）需求预测值

把本示例中的相关参数代入式（5-1）～式（5-5）建立多级优化组合预测模型，并对预测模型通过MATLAB R2012b GA工具箱进行求解，参数设置如下：种群大小为300；交叉概率0.8；变异概率0.05，程序运行多次可以得到样本内拟合的多级优化组合权重，见表5-6。一级产品服务中心的产品服务需求预测值（全国市场）可以通过式（5-5）计算，结果如图5-8所示。

表5-6 样本内拟合权重

图5-8 本书方法得到的全国市场需求预测(www.daowen.com)

4.计算三个区域市场（区域产品服务中心）的需求预测值

由于需求变化趋势比较明显，并且变化较快，按照式（5-8），取t-u=1，采用Topdown法计算广州、上海和天津的预测值，结果见表5-7。

把本案例中的参数代入式（5-9）～式（5-12），通过MATLAB R2012b GA工具箱求出在多级优化组合预测中各个预测方法的权重值，见表5-8。

表5-7 采用Topdown法计算的区域产品服务中心需求预测值 （单位：台）

表5-8 区域产品服务中心多级优化组合预测权重

采用多级优化组合的方法计算各个区域产品服务中心的预测值，结果见表5-9。

表5-9 本书方法得到的区域产品服务中心需求预测值 （单位：台）