时间序列在燃油分析及预测中的应用.pdfVIP

第 13卷 第 9期 Vol_13。No．9 2013正 9月 September， 2013 时间序列在燃油分析及预测中的应用 赵 玉新 (北京信息职业技术学院 信息J-程系 ，北京 100018) 摘要：主要研 究时间序列的分析预测方法 ，项 目内容是基于机场某航站楼 2011年 的燃油数据 ，使用统计分析工具 ：如 ， SPSS、EXCEI等 ，对某航站楼加油量进行统计分析 ，涉及多元统计 的基本工具如相关分析、趋势分析 、回归和时间序列 分析等。完成相关指标量的统计分析 ，完成 当日加油量及峰值 的预测 。 e 关键词 ：时间序列 ；SPSS；预测 科一 中图分类号：TP391 文献标志码 ：A 文章编号 ：1671—1807(2013)09—0136—04 T 技 l 时间序列预测 研究之初，首先收集 2011年的燃油数据 ，包括 日 哟 和 y 企业在制定生产计划时，总是希望对该产品未来 期，星期，是否节假 日，开始时间，停止时间，高峰持续 产 的销量 ，原材料成本等做 出正确的预测，但这并不是 时间，高峰时刻 ，峰值，当 日加油量 ，吞吐量等等。并 一 件容易的事。幸运 的是，现在的统计软件，包括 且进行整理 ，并转化为 SPSS的数据文件。如表 1所 业 SPSS、EXCEI、SAS等，均能根据历史数据 的波动特 示 。 y 征和变化趋势，对未来的数据走势做出较好的预测 。 3．2 采用的分析及预测方法 时间序列是这样一组数据 ，观测值是按时间顺序 3．2．1 多元线性 回归方法 排列 的，并且各时间点的间隔是相等 的。如，以年 、 在多元线性 回归中，有多个 自变量 ，应 当首先绘 月、日、季度等为时问问隔。 制各 自变量与因变量之间的关系散点图，观察其与因 SPSS中，时问序列有几种模型 ：专家建模 ，指数 变量之间是否具有线性关系。比较调整后 的 R。值， 平滑和 ARIMA模型。可 以根据时问序列的特点选 挑选最优的 自变量子集 ，生成回归分析模型。 择合适 的模型，完成分析与预测。 多元线性回归是 因变量 的变化受多个 自变量 的 2 机场燃油分析的项 目背景及主要需求 影响，它的一般形式为 ： 某航油集团，在多个机场拥有供油设施，为多家 Y — a+b1X1+b2X2+ … + 6X L 航空客户提供航油加注服务 ，为民航及社会车辆提供 由公式看出，自变量有多个 ，我们构造模型时，应 汽柴油及石化产品的批发 、零售 、仓储及配送服务 。 选取对因变量影响较大的几个 自变量，并且确定对应 对于机场供油管理 ，虽然有 ERP系统等 ，但是对 系数 ，然后判断模型能否较好的拟合实测数据 ，才能 于航站楼航油加注的高峰时段 ，仍然需要密切关注， 进一步通过模型来做预测。 希望预测系统能够辅助决策 ，对高峰时段航油加注， 首先 ，进行变量 的相关性分析 ，找 出影响当 日加 进行安全有效的管理。 油量 的自变量 。如表 2所示 。 该项 目基于某航站楼 2011年的燃油数据 ，首先 经分析，当 日加油量与前 1日及过去一周加油量 对历史数据进行统计分析，研究其走势，对于当 日加 存在正相关，相关度分别为