版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1第四章传统时间序列预测
时间序列是以时间顺序记录下来的一系列数据。因为时间单位不同,在一年中记录的数据频次不同。通常以年、季、月记录的数据,在一年的时间里出现的次数不多,称为低频数据;以周、日等记录的数据为高频数据;日内记录的数据,如分钟或小时,为超高频数据。2
传统时间序列模型的基本形式
长期趋势(SecularTrend),事物在一段时间内表现的一种变动倾向;季节变动(SeasonalVariation),事物被季节性规律作用产生的周期性变化。季节性规律可能是自然的,也可能是人为的。周期通常为一年(4个季或12个月);循环变动(CyclicalVariation),事物周期长短不固定的一种变化,周期通常为数年;不规则(IrregularVariation),无规律可循的一种变化,也被称为随机变动或残差变动。数据=f(趋势,季节,循环)+误差3
一、趋势外推预测
趋势模型一般形式
其中,t是时间顺序号,取自然数,如时间从1952年开始,则t以1952年为1,1953年为2,按顺序依次赋值。
时间序列呈现某种上升或下降的趋势,且无明显的季节波动时,可以用时间t综合替代所有影响因素,即以时间t为自变量,时序数值Y为因变量,建立趋势模型。Y=f(t)4
(一)模型形式
直线趋势
非线性趋势
有增长上限的曲线趋势模型
修正指数曲线模型
龚珀兹曲线模型
皮尔曲线模型6(二)模型识别
——
图形识别法
从实际数据出发,选择模型的方法。将时间序列的数据绘制成以时间t为横轴,时序观察值为纵轴的曲线图,观察其变化并与各类函数曲线模型的图形进行比较,选择较为适宜的模型。一般初选几个模型,通过模型分析后再确认合适的模型。7
(三)参数计算
——最小二乘法
直线模型本身就是反映序列与时间t的线性关系,将自变量X换为时间t即可估计。对于曲线形式的模型,类似前一章,可以通过变换使其线性化,也可以运用最小二乘估计。
8
(四)模型分析与评价
1.模型检验
采用最小二乘法估计参数,必须按照回归分析中的要求,对模型进行检验,包括参数的显著性检验、回归方程显著性检验、残差独立性检验、拟合优度检验。
2.对历史数据拟合的分析直观判断法
图、表误差分析法MAPE3.对未来趋势反映的分析
对序列近期趋势的反映
试预测
例4.1
9
(四)模型分析与评价
1.模型检验
采用最小二乘法估计参数,必须按照回归分析中的要求,对模型进行检验,包括参数的显著性检验、回归方程显著性检验、残差独立性检验、拟合优度检验。
2.对历史数据拟合的分析直观判断法
图、表误差分析法MAPE3.对未来趋势反映的分析近期趋势的反映
直观判断
误差分析试预测预测结果的可能性分析10
二、平滑预测(一)移动平均预测
1.简单平均法选择前期作为试验数据,计算平均值用以测定+1期数值,即
式中,为前期的平均值,为+1期的估计值,也就是预测值。
特点
不足=/=11
2.简单移动平均法
移动平均法是对简单平均法加以改进的预测方法。它保持平均的期数不变,总是为期,而使所求的平均值随时间变化不断移动。
这是一个递推形式,是平均的期数亦即移动步长。
的作用:平滑数据====12
从上面的式子可以看出下面的关系
也可以改写成
式中就是T+1时刻的实际值与预测值之差即误差。所以,简单移动平均预测实际上是通过当期预测误差修正当期预测值得到下一期的预测值。
特点不足例4.2===++
13
3.加权移动平均法
简单移动平均法将被平均的各期数值对预测值的作用同等看待。实际上,近期的数值往往影响较大,远离预测期的数值作用会小些。加权移动平均法正是基于这一思想,对不同时期给以不同的权数来进行预测。
式中,权重;权重确定===1
14
(二)指数平滑法
1.一次指数平滑法
一次指数平滑也称作单指数平滑,简记为SES(SingleExponentialSmoothing)。
预测模型平滑常数的作用和选择
取值接近于1时,各期历史数据的作用迅速衰减,近期数据作用最大。15
=0.1=0.3=0.5=0.90.1
0.09
0.081
0.0729
(0.1)·(0.9)4┇0.3
0.21
0.147
0.1029
(0.3)·(0.7)4┇0.5
0.25
0.125
0.0625
(0.5)·(0.5)4┇0.9
0.09
0.009
0.0009
(0.9)·(0.1)4┇不同值的作用
16
无论平滑常数
(0<<1)取值为多大,其随时间的变化呈现为一条衰减的指数函数曲线,即随着时间向过去推移各期实际值对预测值的影响按指数规律递减。
初始值的选取
一次指数平滑预测模型是一个递推形式,因此需要有一个开始给定的值。这个值就是指数平滑的初始值。一般可以选取第一期的实际观测值或前几期观测值的平均值作为初始值。特点适用于较为平稳的序列
不足滞后例4.317
2.二次指数平滑法二次指数平滑也称作双重指数平滑(doubleexponentialsmoothing),它是对一次指数平滑值再进行一次平滑。二次指数平滑是用平滑值对时序的线性趋势进行修正,建立线性平滑模型进行预测。二次指数平滑也被称为线性指数平滑。
18
1.布朗(Brown)单一参数线性指数平滑
2.霍特(Holt)双参数指数平滑
例4.419
三、季节模型
季节变动,是指客观事物由于自然条件、生产条件和生活习惯等因素的影响,随着季节的转变而呈现的周期性变动,这种周期通常为1年,或说12个月、4个季度。
时间序列的季节变动往往并不单独存在,而是伴随趋势变动存在。对于含有季节变动的时间序列,可以建立季节模型加以预测。20
(一)季节趋势乘法模型1.模型形式
=(a+bt)*(i=1,2,……,T)
式中,
=(a+bt)为趋势部分,可以是线性也可以是非线性;
为季节指数;
T为季节周期的长度212.适用条件:适用于既有季节变动,又有趋势变动且波动幅度不断变化的时间序列
3.建模:建立趋势方程求各期趋势值求样本季节指数求理论季节指数
例4.522
(二)季节趋势加法模型1.模型形式
=(a+bt)+
(i=1,2,……,T)
式中,=(a+bt)为趋势部分,可以是线性,也可以非线性;
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 监理工程师施工工艺改进与监督考核试卷
- 金属制品企业文化建设与员工关怀实施考核试卷
- 航天器空间材料性能与工艺技术考核试卷
- 镍钴冶炼废渣处理与资源化利用考核试卷
- 拖拉机自动驾驶系统的传感器融合技术考核试卷
- 苏教版必修一字音性训练教学研究论文
- 分数混合运算在北师大版教材中的教学方法解析
- 小升初语文人教版考试卷全解全析
- 苏教版初中语文必背诗篇
- 邮政分拣机器人路径规划考核试卷
- 人机工程学分析-座椅设计
- 2024年信息技术教学教案大全
- 《生命与死亡》课件
- GB/T 43551-2023民用无人驾驶航空器系统身份识别三维空间位置标识编码
- 学习环保知识
- 民族传统体育概论课件
- 汽轮机滑销系统
- 处方前置审核系统
- 人防工程监理实施细则
- 通用用电设备配电设计规范
- 社会主义发展简史智慧树知到课后章节答案2023年下北方工业大学
评论
0/150
提交评论