数学建模中预测方法精要.pptVIP

数学建模中的预测方法 历届CUMCM数据预测题目 2003年 A题 SARS的传播问题 2005年 A题 长江水质评价和预测问题 2006年 B题 艾滋病疗法的评价及疗效的 预测问题 2007年 A题中国人口增加预测问题 2009年 D题 “会议筹备”对与会人数的确定 2010 B题 上海世博会影响力 相关数据预测 2012 A题 葡萄酒质量评价和相关预测问题 2013 A题 交通事故阶段车流量的分析与预测 一、预测的概念 系统预测：根据系统发展变化的实际数据和历史资料，运用现代的科学理论和方法，以及各种经验、判断和知识，对事物在未来一定时期内的可能变化情况，进行推测、估计和分析。 一、预测的概念 预测的特点 科学性：据统计资料和目前信息，运用一定程序、方法和模型，分析预测对象与相关因素的相互联系，而揭示预测对象特性和变化规律。 近似性：受许多随机因素的影响，事前预测的结果，往往与将来实际发生的结果有一定偏差。 局限性：对预测对象的认识常受知识、经验、观察和分析能力限制，又掌握资料和信息不够准确完整，或建模时简化等，导致预测的分析不够全面。 一、预测的概念 根据预测的内容：科学预测、技术预测、社会预测、经济预测、军事预测 根据预测的期限：短期预测（1年内）、中期预测（2~5年）、长期预测（5~10年及以上） 根据预测的性质：定性预测、定量预测、综合预测 一、预测的概念 预测技术的种类繁多，据统计有150多种。其中广泛采用有15～20种。 一、预测的概念 二、 时间序列分析预测法 二、 时间序列分析预测法 二、 时间序列分析预测法 二、 时间序列分析预测法 二、 时间序列分析预测法 二、时间序列分析预测法---分类 1 移动平均法 N 期移动平均数 把时间序列连续 N 期的平均数作为最近一期（第t期）的趋势值: 中心化移动平均 把时间序列连续 N 期的平均数作为 N 期的中间一期的趋势值。 如果N为奇数，则把N期的移动平均值作为中间一期的趋势值。 如果N为偶数，须将移动平均数再进行一次两项移动平均，以调整趋势值的位置，使趋势值能对准某一时期)。相当于对原序列进行一次N+1 项移动平均，首末两个数据的权重为0.5，中间数据权重为1。 Example 1 新卫机械厂的销售收入（万元）： 中心移动平均法 移动平均的结果 移动平均法的应用 指数平滑方法的基本原理 指数平滑是一种加权移动平均，既可以用来描述时间序列的变化趋势，也可以实现时间序列的预测。 指数平滑预测的基本原理是：用时间序列过去取值的加权平均作为未来的预测值，离当前时刻越近的取值，其权重越大。 单参数指数平滑的模型为： 适用场合 单参数（一次）指数平滑适用于不包含长期趋势和季节成分的时间序列预测 如果原序列有增长趋势，平滑序列将系统的低于实际值 如果原序列有下降趋势，平滑序列将系统的高于实际值 平滑系数的确定 选择合适的平滑系数是提高预测精度的关键。 如果序列波动较小，则平滑系数应取小一些，不同时期数据的权数差别小一些，使预测模型能包含更多历史数据的信息； 如果序列趋势波动较大，则平滑系数应取得大一些。这样，可以给近期数据较大的权数，以使预测模型更好地适序列趋势的变化。 统计软件中可以根据拟合误差的大小自动筛选最优的平滑系数值。 初始预测值的确定 初始预测值的确定 等于第一个观测值 等于前k个值的算术平均 适用场合：单参数（一次）指数平滑适用于不包含长期趋势和季节成分的平稳时间序列预测 案例分析 新卫机械厂销售额的单参数指数平滑预测 分析?预测?创建模型?方法选择“指数平滑”;根据需要设置“条件”。 拟合情况与2年的预测值（下页图）。 SPSS Statistics 估计的a=0.689. 拟合数据的MAPE=12.847%. 单参数指数平滑的图形结果 二、时间序列分析预测法---平稳时间序列 时序图检验 根据平稳时间序列均值与方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征 自相关图检验 平稳序列通常具有短期相关性。该性质用自相关系数来描述就是随着延迟期数的增加，平稳序列的自相关系数对很快地衰减向零。 纯随机性检验（白噪声检验） （1）绘制时序图 （5）估计备选时间序列模型的参数估计 （6）利用确定的模型进行预测 三、 回归分析预测法---一元线性回归 整理可得： 解上面的方程组即可得到a0, a1, …, ak的估计值。 三、 回归分析预测法----多元线性回归 3、相关系数 记 RSS——回归平方和 ESS——剩余平方和