D——常数模型（Constant model ）
K——带平滑因子调整的常量（Constant with smoothing factor adjustment ）
T——趋势模型（Trend model）
S——季节模型 （Seasonal model ）
X——季节趋势模型(Seasonal trend model )
N——无预报/外部模型(No forecast/external model )
G——移动平均(Moving average )
W——加权移动平均值(Weighted moving average )
0——无预报/无外部模型(No forecast/no external model)
O——带平滑因子调整的二阶趋势(2nd order trend with adjustment of smoothing factor)
B——二阶趋势(2nd order trend)
J ——自动模型选择(Automatic model selection)
2.12个预测模型的分类
| Pattern（模式） | Forecast model（预测模型） |
| 常数模型（D） | 常数模型（D） 带平滑因子调整的常量(K) 移动平均((G) 加权移动平均值(W) |
| 趋势模型（T） | 趋势模型(T ) (一阶指数平滑：霍尔特双参数线性指数平滑法)
二阶指数平滑（B&O） (B：不带参数最优化。O：带参数最优化) |
| 季节模型（S） | 季节模型（S） |
| 季节趋势模型（X） | 季节趋势模型（X） (温特线性与季节指数平滑法） |
| 不规则（N） | 无预报/外部模型（0） 移动平均((G) 加权移动平均值(W) |
趋势模型：时间序列线性变化
季节模型：时间序列呈现周期性的变化
季节趋势模型：时间序列不仅有周期性变化，还有线性变化的趋势
如果时间序列特征不明显，则选取不规则模型，通常选用移动平均模型。
3.模型选择的两种方法：自动、手动
手动：当你清楚时间序列的发展特征时，系统会按照你所选的模型进行预测计算。
自动：系统首先对时间序列进行趋势模型、季节模型或者季节趋势模型的测试，然后根据测试结果选用最能表征时间序列特征的模型进行预测计算。
4.SAP预测视图字段解释
预测视图上字段按照与预测模型是否相关可以分为两类。
1.与预测模型相关：
预测模型：勾选12个预测模型中的任意一种，进行预测计算。
模型选择：自动或手动选择预测模型，如果不确定时间序列的特征，则勾选该字 段，可以实现对时间序列进行趋势检查、季节性波动检查或者趋势与季节性波动检查。如果不勾选此字段，则默认进行手动预测模型的选择，此时，必须勾选一般数据里的预测模型字段，手动选择12种模型中的一种。
初始化：通常选择X，系统根据所选预测模型自动执行初始化，初始化的数据主要有：基础值、趋势值、季节因子。SAP默认的初始化公式如下：
| Model | Model parameters |
| Constant models | Basic value = Hist(1) where Hist(i) is the ith historical value Trend value = 0 Seasonal indices = 1 Mean absolute deviation (MAD) = 0 |
| Trend models | Trend value = Basic value = Seasonal indices = 1 Mean absolute deviation (MAD) = |
| Seasonal models | Basic value = Mean of the historical values of the first historical season Trend value = 0 Seasonal index for a period = Historical value for that period divided by the basic value Mean absolute deviation (MAD) = 0 |
| Seasonal trend models | Trend value = Basic value = Seasonal index for a period = where S(i) is the ith seasonal index.Mean absolute deviation (MAD) = |
参数优化：若勾选此选项，系统会自动优化所选预测模型的平滑因子，选择能取到最低MAD的平滑因子。该字段与优化级别联合使用，能够确定优化的精度。
优化级别：优化级别越高，进行参数优化时的步长越小，优化结果越精确，耗费时间越长。
加权组：当预测模型字段指定采用移动加权平均模型时，必须指定加权组。加权组字段可以设定加权因子的位置及大小。
每一季节期间：指定一个季节包含的历史值的数目。例如1个季度包含3个月。
Alpha factor：对基准值的平滑指数。
Beta factor：对趋势值的平滑指数。
Gamma factor：对季节因子的平滑指数。
Delta factor：对MAD和Error Total 的平滑指数，常用于对预测的评价。
2.与预测模型无关：
期间标识：决定系统存储消耗值数据的时间间隔，例如，设为M，则消耗值按月显示。
上次预测：系统执行上次预测的时间。
会计年度变式：会计年度期间。
参考物料：消耗：系统会选用参考物料在指定时间段内的历史值来作为预测物料的历史值。该功能常用在预测物料没有历史数据时。
参考工厂：消耗：与参考物料：消耗字段配合使用，表明使用的参考物料位于哪一个工厂下。
日期到：指定使用参考物料历史数据的时间节点，例如，时间为12月1日，则表明参考物料12月1日之前的历史数据全部移植过来。
乘数：决定参考物料历史数据值以多大比例进入预测计算中。例如，参考物料1月的历史值为100，乘数设置为0.2，则预测物料1月的历史值为20。
历史期间：进行预测所需要的历史数据（消耗值）的数目。当历史期间大于消耗值的数目时，则将现有的消耗值用于预测。如果历史期间小于消耗值的数目，则舍掉较远的历史值，保持历史期间=消耗值的数目。
预测期间：指定系统需要预测的期间的数目。
初始化期间：系统初始化时需要的历史值的数目，如果不勾选，则系统会根据所选预测模型，自动选择该模型需要的历史值数。SAP默认的初始化期间数目与预测模型有关，具体见下表：
Minimum number of historic values per model
| Model | Number of historic values |
| Average | 1 |
| Moving average | Order of moving average |
| Weighted moving average | Order of moving average |
| Linear regression | 2 |
| Constant | 1 |
| Trend | 3 |
| Seasonal | 1 seasonal length |
| Seasonal trend (mult./add.) | 2 * seasonal length |
追踪：默认为4，系统会计算ERROR TOTAL 与MAD的比值，比值也称为追踪信号，当追踪信号超过追踪时，系统会给出一条信息——时间序列的结构性中断已经产生，此时您需要执行再次初始化或者是选用新的预测模型。
自动重置：当追踪信号超过追踪时，系统认为原始的预测模型已经失效，当执行下一次预测时，系统会自动选用新的模型进行预测。
修正因子：勾选此选项，系统会按照你定义的加权参数对历史值和预测值进行加权处理。
5.手动选择预测模型
SAP预测模型的解析计算（见SAP预测模型测试用例.xlsx）
6.自动选择预测模型
自动模型选择的算法解析（见自动化模型选择文档.doc）
当用户不了解时间序列的发展特征时，可以采用自动选择预测模型的方法，让系统首先对时间序列的趋势性、季节性、季节趋势性进行测试，然后分析测试结果，选择较为合适的预测模型。自动选择预测模型有两类方法。下面分别对这两种方法进行介绍。
1.过程1
采用自相关测试方法检验数据的季节性特征，采用线性回归方法测试数据的趋势性，分析测试结果，选择相应的预测模型。
2.过程2
在过程1的基础上，对选定的每一个模型进行参数最优化处理，最终选择能够取到最小MAD的最优化模型。
7.公式
HTTP://help.sap.com/erp2005_ehp_06/helpdata/en/00/6eb6531de6bce10000000a174cb4/frameset.htm
