第8章系统预测案例.ppt

物联网技术 北京物资学院信息学院 * 物联网技术 北京物资学院信息学院 * 物联网技术 北京物资学院信息学院 * 物联网技术 北京物资学院信息学院 * 物联网技术 北京物资学院信息学院 * 第8章 系统预测 * 北京物资学院信息学院 * 8.1 概述 8.2 定性预测 8.3 定量预测 8.4 时间序列分析预测 8.5 灰色预测 8.4 时间序列分析预测 8.4.1 时间序列的概念 1. 时间序列分析概念 系统中某一变量或指标的数值或统计观测值，按时间顺序排列成一个数值序列 ，就称为时间序列（Time Series）。 时间序列是研究系统的历史行为的客观记录，因而它包含了系统的结构特征及其运行规律。通过对时间序列的研究来认识所研究系统的结构特征，揭示其运行规律，进而用于预测。 * 北京物资学院信息学院 * 8.4 时间序列分析预测 8.4.1 时间序列的概念 2. 时间序列分析的特点 （1）序列中的数据与时间变化有关。 （2）每一时刻上的取值或数据点的位置具有一定的随机性。 （3）后时刻的数值或数据点的位置有一定的相关性，这种相关性就是系统的动态规律。 （4）时间序列往往呈现某种趋势性或出现周期变化的现象。 * 北京物资学院信息学院 * 8.4 时间序列分析预测 8.4.1 时间序列的概念 3. 时间序列分析的分类 （1）按所研究对象的多少可分为一元时间序列和多元时间序列（多元时间序列在某一时刻对应多个变量）； （2）按时间的连续性可分为离散时间序列和连续时间序列（主要研究离散时间序列）； （3）按序列的统计特性分为平稳时间序列和非平稳时间序列（主要研究平稳时间序列）； （4）按序列的分布规律分为高斯型和非高斯型时间序列。 * 北京物资学院信息学院 * 8.4 时间序列分析预测 8.4.2 时间序列预测的概念 假设当前时刻为 t，零均值平稳时间序列 在时刻 t及以前的观察值为 ，用序列 对时刻t 以后的观察值 进行预测，这种预测称为以 为原点的，向前步长为 的预测，预测值记为 。 在系统预测中讨论的每一个时间序列都是某一时间变化的随机过程的一个样本，通过对样本的分析研究，找出动态过程的特性、最佳的数学模型、估计模型参数，并检验利用数学模型进行统计预测的精度，这就是时间序列预测的主要内容。 * 北京物资学院信息学院 * 8.4 时间序列分析预测 8.4.3 时间序列的分解 时间序列的形成是各种不同的因素对事物的发展变化共同起作用的结果。 这些构成因素根据其性质和表现形式可以归纳为四类：长期趋势因素、季节变动因素、循环变动因素和不规则变动因素，由这些因素的影响造成客观事物变动呈现出四种不同的状态。 * 北京物资学院信息学院 * 8.4 时间序列分析预测 8.4.3 时间序列的分解 长期趋势（T） 某个变量由于受到某些因素持续同性质（或同向）的影响，其时间序列表现出持续上升或下降的总的变化趋势，其间的变动幅度可能有时不等。 季节变动（S） 时间序列以一年为周期，随着四个季节的推移呈现某种规律性变化，但是各年变动幅度在各个季节不一定相同，而各季节出现高峰值和低谷值的规律是相同的。 * 北京物资学院信息学院 * 8.4 时间序列分析预测 8.4.3 时间序列的分解 3. 周期变化（C） 季节性变动是一种典型的周期变动，它以一年为周期，而且这种周期性主要是由于外部（季节）因素造成的。然而，其他一些系统对象和事物由于其内部因素的相互影响，其动态时间序列会呈现出各种周期长度不同的周期性变动。例如，宏观经济的繁荣、萧条就存在2年－5年的短周期，同时也存在5年－20年中周期以及30年－50年的长周期。 4. 不规则波动（I） 不规则性变动可分为突然性和随机性变动。前者是由于难以预测的因素引起的，其规律目前难以认识和推测。具有随机性变动的时间序列，若能用一个经过历史或测试数据验证的概率分布加以推测，则称之为随机性时间序列。 * 北京物资学院信息学院 * 8.4 时间序列分析预测 8.4.3 时间序列的分解 任何一个时间序列 可能同时具有以上几个特征，也可能是其中某几个的组合，用乘法模型或加法模型表示为 : 或 实际的时间序列，其统计特性往往是错综复杂的，可能含有多个未知的周期分量及噪声干扰，识别其周期性规律往往是比较困难的，因此，采用有限的采样数据是比较理想的。 * 北京物资学院信息学院 * 8.4 时间序列分析预测 8.4.4 随机时间序列的预测 随机时间序列分析中，预测方法常用的为最小均方误差预测和条件期望预测。 最小均方误差预测 定义真实观察值与预测值之差为预测误差，记为 所谓最小均方误差预测要满足如