时间序列平滑预测技术.pptVIP

时间序列平滑预测法 主要内容: 移动平均法 指数平滑法 自适应过虑法 时间序列概述 何谓时间序列? 时间序列的构成因素 1、长期趋势 T 2、季节变动 S 3、循环变动 C 4、不规则变动 I 时间序列的模型构成 1、加法型 Y=T+S+C+I 2、乘法型 Y=T×S×C×I 3、乘加型 Y=T×S+C×I 移动平均法 什么是移动平均法？ 移动平均法是根据时间序列资料.逐项推移,依次计算包含一定项数的序时平均数,以反映长期趋势的方法 。 移动平均法的种类 简单移动平均法 加权移动平均法 趋势移动平均法 简单移动平均法 其中：t≥N，Yt为时间数列的数据， Mt为t期移动平均数，N为移动平均的项数。 预测公式： 如何选择N？ 移动平均项数N 的大小反映移动平均数的修匀性强弱和对趋势的灵敏度。选取时有两种情形： （1）如果序列发展的总趋势比较平稳，波动不大，则N应取大一点，使平滑的效果更显著。 （2）如果序列的总趋势不稳定，波动较大，且外部影响正在改变，则N应取小一点，使Mt更适应当前变化的趋势。 在实用上，常用几个N值进行试算，比较他们的均方误差MSE，选取均方误差较小的那个N。 加权移动平均法 其中：Mtw是t期加权移动平均数，w为权数， 为预测值。 如何选择权数wi？ 一般原则：近期数据的权数大，远期数据的权数小。通常可用N为最