系统预测系统工程创新.ppt

1．短期预测 是指对预测对象近期发展情况所做的预测。因为短期预测直接影响到当前的行动安排，所以需要有较高的精确度或准确度。 2．中期预测 是指对预测对象长期的发展情况所做的预测，为中期计划和决策服务。对中期预测结果精确度或准确度的要求比短期预测要宽些。 3．长期预测 是为了制订长远规划和战略决策而做的预测，对预测结果精确度或准确度的要求比中期预测又宽些。 当有n个专家时，对某一指标的回答分别为 且有 5.1 时间序列分析 回归分析——变量之间呈相关关系时建立预测模型的方法。 若原始数据只有一个数列，即时间序列，可采用回归分析法建立模型：y=f(t)。 也可采用时间序列预测技术对未来进行预测。 时间序列是由以下四种情况合成的结果： (1) 长期趋势的变化Xt，序列随时间呈现的倾向性变化； (2) 季节性周期变化St，序列在一年中随季节呈现有规律性的周期性变化； (3) 循环变化Ct，序列以不固定的周期呈现出的波动性变化； (4) 随机变化εt，各种不确定因素作用下的无规则变化。 时间序列模型分为加法模型和比例模型两类， (1) 加法模型 加法模型理论认为时间序列是长期趋势Xt、季节性变化St、循环变化Ct以及随机变化εt四种变化的叠加，故模型形式为： （2）比例模型 比例模型理论认为，时间序列的形成是以趋势变化Xt为主干，其他变化均是对趋势变化的修正，故模型形式为： 5.2 移动平均法 移动平均法是以预测对象最近一组历史数据的平均值直接或间接作为预测值的方法。预测者每得到一个新的历史数据，就可以计算出新的平均值并用于预测。 移动平均的目的在于消除原序列的偶然因素的影响，使样本值得到修匀，用于推算未来事务的发展变化。 采用这种方法的假定条件是现象的发展变化与近期若干期实际数据有关，而与较远时期的实际数据值联系不大。其主要适用于对变动不大的、发展趋势比较稳定的数列预测对象进行短期预测。 式中：Mt—第t期的一次移动平均值（即为t+1期的预测值） Xt－第t期的样本值 N－移动平均的样本个数（即移动平均的时段长） 则第t+1期的预测值取为 即在一次移动平均值的基础上再做一次移动平均的方法。第二次移动平均并不直接用来预测，而是为了求出平滑系数，建立移动预测模型。 应该注意以下两点： （1）已知时间序列数据点的分布应呈直线趋势，否则不宜采用； （2）计算第二次移动平均数的样本数（即移动平均的时段长）应与第一次移动平均时取相同个数。 式中：t－当前的时期数 T－外推的时间单位数 at －截距 bt－斜率, 例5-2：已知某流域1971～1986年用水资料，根据二次移动平均法预测1987年的需水量。 第四步：计算预测值yt+T 计算成果表 单位:亿:m3 指数平滑法是布朗(Robert G..Brown)所提出，布朗认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续到最近的未来，所以将较大的权数放在最近的资料。 指数平滑法所依赖的原则有两条： 一是历史时间越近，数据对未来的影响就越大，反之较小； 二是不断用误差纠正新预测值，即用“误差反馈原理”进行修正。 指数平滑法思路是在预测研究中，越近期越应受到重视。 一次指数平滑，也称简单指数平滑，适用于观测数据呈水平波动，无明显上升或下降趋势情况下的预测。公式如下： 指数平滑时，加权系数α选择的是否得当直接影响着预测效果。α根据以下方法确定： 平滑系数值的传统确定方法为试算法，即以α=0.1为起点，逐次加大，以各种不同的α值去试算。再比较最近几期的追溯预测误差 和估算标准差，选用预测误差和估计标准差较小的α值。在计算机应用比较普及的今天，这种以预测误差最小为标准的试算法还是可行的。 Ft+T为t+T期预测值 T为未来预测的期数 其中 1、一次移动平均法 （1）两个假定 假定相邻时间的数据相比变化不大，当前趋势可以延续到未来。 假定一 假定二 只有近期数据对未来有影响，而且影响的权重相同。 （2）预测期限 一个时间单位。如用近十年的历史数据预测明年的趋势。 历史数据 （当前时间序号t，历史数据个数n） 又称简单移动平均法，就是在算术平均法的基础上，通过逐步分段移动求得下一期的预测值。计算公式如下： 例5-1：现以某公司某年商品销售数据为例，用两种预测方法预测下年度一月份销售量。 27.3 27.0 26.3 25.8 25.0 23.8 20.3 18.0 16.