随着企业信息化和数字化的不断深入,对于数据的分析要求也越来越高。企业对于财务数据已经不再满足于计算准确的要求。随着企业清算周期的不断缩短,关注点现在已经逐渐放在了财务数据的计算及时性上。针对企业的这一需求,对企业的货运收入数据预测方法进行了分析及研究。由于实际生产过程中出现的数据分布规律并不统一,因此采用不同的方法分别进行分析处理。此课题主要做了三个工作。第一,针对可以呈线性分布的货运收入数据,使用基于时间序列的方法进行预测。在这个工作中,除了论述当前货运收入预测中经常使用的移动平均法之外,还详细论述了使用指数平滑法和一次线性回归法的预测过程,并且详细论述了这些方法中使用的重要参数的取值原因。第二,对于呈曲线分布的货运收入数据,使用多元函数回归法、BP神经网络法进行预测。本文在这个工作的论述中,除了给出通过计算得到的预测值,还对预测值的误差进行了分析,解释了文中BP神经网络各层神经元个数的取值原因。第三,结合前面两个部分的内容,使用BP神经网络与时间序列结合的预测方法,对货运收入数据进行预测。在这个工作中,除了论述了这种预测方法之外,还指出了这种预测方法同前面预测方法的不同之处,分析了这种方法相比前面两种方法的优势。通过这篇论文的论述,实现了对于大多数情况下公司货运收入数据的预测方法。对于自主开发的软件系统来说,使用商业软件工具进行的预测,无法直接移植到系统中。这篇论文针对不同的货运收入数据的实际案例,详细分析了预测的过程。对于每种预测技术,详细论述了具体的算法。通过这篇论文的论述,可以将这些技术在系统中得到实现。对于公司来说,可以通过收入预测对运营情况做出调整,对于公司的管理有着十分重要的意义。