趋势外推预测方法创新.pptVIP

华北电力大学工程造价刘梅 第七章 趋势外推预测方法 §7.1 趋势外推预测法概述 §7.2 多项式曲线法 §7.3 指数曲线法 §7.4 修正指数曲线法和双指数曲线法 §7.5 生长曲线法 §7.6 增长型曲线模型的识别方法 §7.7 增长型曲线模型的参数估计 §7.8 包络曲线法 §7.1 趋势外推预测法概述 统计资料表明，大量社会经济现象的发展主要是渐进型的，其发展相对于时间具有一定的规律性。 趋势外推预测方法，是根据事物的历史和现实数据，寻求事物随时间推移而发展变化的规律，从而推测其未来状况的一种常用的预测方法。 趋势外推法的假设条件是： (1)假设事物发展过程没有跳跃式变化，即事物的发展变化是渐进型的。 (2)假设所研究系统的结构、功能等基本保持不变，即假定根据过去资料建立的趋势外推模型能适合未来，能代表未来趋势变化的情况。 由以上两个假设条件可知，趋势外推预测法是事物发展渐进过程的一种统计预测方法。简言之，就是运用一个数学模型，拟合一条趋势线，然后用这个模型外推预测未来时期事物的发展。 趋势外推预测法主要利用描绘散点图的方法(图形识别)和差分法计算进行模型选择。 主要优点是：可以揭示事物发展的未来，并定量地估价其功能特性。 趋势外推预测法比较适合中、长期新产品预测，要求有至少5年的数据资料。 趋势外推法首先由R.赖恩（Rhyne）用于科技预测。他认为，应用趋势外推法进行预测，主要包括以下6个步骤：（1）选择预测参数；（2）收集必要的数据；（3）拟合曲线；（4）趋势外推；（5）预测说明；（6）研究预测结果在制订规划和决策中的应用。 趋势外推法是在对研究对象过去和现在的发展作了全面分析之后，利用某种模型描述某一参数的变化规律，然后以此规律进行外推。 为了拟合数据点，实际中最常用的是一些比较简单的函数模型，如线性模型、指数曲线、生长曲线、包络曲线等。 趋势外推预测可以分为两大类： 时间序列趋势外推预测 增长型曲线外推预测 本章主要讲述增长型曲线外推预测，并对时间序列趋势外推预测进行简单回顾（ §7.1 ）。 时间序列趋势外推预测又可以分为： 样本序列具有水平趋势的外推预测法 样本序列具有非水平趋势的外推预测法 样本序列具有线性趋势的外推预测法 样本序列具有线性趋势和季节波动的外推预测法 1、样本序列具有水平趋势的外推预测法 （1）朴素预测法 （2）平均数预测法 2、样本序列具有非水平趋势的外推预测法 （1）加权移动平均法 式中， 为加权因子，满足 （2）一次指数平滑预测法 3、样本序列具有线性趋势的外推预测法 （1）二次移动平均值预测法（即趋势移动平均法） (2)二次指数平滑预测法 4、样本序列具有线性趋势和季节波动的外推预测法 经济时间序列一般可以分解为四个因素：长期趋势T、周期变动C、季节因素S和随机因素I，并有如下三种模型： 乘法模型： Y=TCSI 加法模型： T=T+C+S+I 混合模型： Y=TC+SI 下面，分别介绍加法型和乘法型序列的趋势外推预测方法。 （1）加法型序列的外推预测法 假设样本序列为 序列yt是加法型，即 例：某市的啤酒销售量有如表7.1.2的数据序列，试求出第21，22，23，24季度的啤酒销售量的预测值。 解：第一步，按滑动时段长N=3，求出序列的滑动平均值，削去随机干扰，显出趋势求出趋势线的方程 第二步，计算 ，并将Mt按季节排列，如表7.1.3所示，由于 ， 故需对 进行修正，修正后的 ，即 第三步，进行预测， （2）乘法型序列的外推预测法 设 样本序列为 ，外推预测公式可表示为 现介绍求 估计值 的传统分解方法。 第一步，对yt序列值分解出长期趋势因素。假设季节长度为4，只要将序列作滑动长度为4的滑动平均时，即可消除随机干扰和季节波动影响。记滑动平均值为 则滑动平均后的序列，即为线性趋势因素，故有 例：某地某种服装的销售量有下述季度销售数据，见表7.1.5。根据表5的数据，绘制出销售量依时间变化的图形(见图7.1.1)。 从图形可以明显地看出，序列呈季节性变化，季节长度为4。此外，序列有线性长期趋势，按乘法型序列外推预测法的基本原理，其模式为 试求200