第十二章预测技术.ppt

建筑企业管理过程中，需要大量的基础数据和信息，而这些数据和信息大多来自于预测。例如企业要对未来的建筑市场需求情况做出预测，以使企业能够制定合适的发展战略。再比如企业需要对拟承接的工程项目进行分析，分析将来工程实施过程中成本和收益的情况，以决定是否承接该项目等等。 因而，预测技术是建筑企业管理人员必须掌握的一项管理技术和方法。从这个意义上讲，有必要系统阐述一下预测技术的基本理论和方法。 此外，预测技术是一门交叉性的学科，它综合了系统科学、计算机科学、数学等多门学科知识，任何一门学科上的理论突破都将给预测技术带来新的变革。 第二节 定性预测方法 第三节 移动平均预测法 n＝5时: α实际是新旧数据权重的一个分配比例，α值越大，则新数据在 中的权重越大。α的取值是影响预测效果的重要因素，一般要根据实际时间序列的特点和经验确定。如果时间序列的长期趋势比较稳定，应取较小的α值（如0.05－0.20），如果时间序列具有迅速明显的变动倾向，则应取较大的α值（如0.3－0.7）。 公式（11-6）需要设定一个初始值。当实际数据较多时，初始值对预测结果的影响不会很大，可以以第一个数据y1作为初始值，如果实际数据较少（如20个以内），初始值的影响就比较大，一般取前几个周期的数据的平均值作为初始值。 [例12-3]：已知某企业过去15个月的销售量数据如表12-3所示，建立预测模型，预测第17个月的销售量。 第五节 回归分析预测法 第六节 其他预测方法 （2）假设移动平均线性预测模型为 y15+T＝a15+b15T a15＝2×1588－1292＝1884 b15＝2×(1588－1292)/(5-1)＝148 则： y15+T＝1884+148T （3）所求预测值为 y15+3＝1884+148×3＝2328万元 指数平滑法是移动平均法的改进。其基本思路是：在预测研究中越近期的数据，所含有关预测对象未来状况的信息量也越大，时间序列中各数据的重要程度由近及远呈指数规律递减，对时间序列的平滑处理应采用加权平均的方法。 第四节 指数平滑预测法 一、一次指数平滑 一次指数平滑的计算公式为： 式中： 为第 t 周期的一次平滑值 yt 为第 t 周期的观测值 α为平滑系数，其值在0与1之间 此公式为一递推公式，将其展开得到： 由上式可以看出，所有的历史数据均赋予了权重，由于α是0与1之间的一个数，(1-α)也是一个0与1之间的一个数，因而α、α(1-α)、α(1-α)2、…呈指数递减的形式，这就是指数平滑的由来。 二、二次指数平滑 二次指数平滑是对一次指数平滑值序列再作一次平滑。其计算公式为： 式中： 为第t周期的二次指数平滑值 二次指数平滑也需要初始值，一般直接取 ，也可以取前几次一次指数平滑值的平均值作为二次指数平滑的初始值。 二次指数平滑适用于时间序列呈线性趋势的情况。此时在二次平滑处理的基础上可以建立线性预测模型： 截距at与斜率bt计算公式分别为： 解：取平滑指数为 ＝0.5，设初始值为前3个周期的平均值 根据式（12-6）和（12-7）分别计算一次指数平滑值与二次指数平滑值，其中： 余下同，计算结果如表12-3所示。 预测模型的截距和斜率为 故可得到线性预测模型 则第17个月的销售量预测为 三、三次指数平滑 三次指数平滑是对二次指数平滑值序列再作一次平滑。其计算公式为： 式中： 为第 t 周期的三次指数平滑值 三次指数平滑的初始值可以直接取 ，也可以取前几个二次指数平滑值的平均值。 在三次指数平滑处理的基础上可以建立非线性预测模型，公式如下： 其中系数 at、bt 和 ct 的计算公式分别为： [例12-4]：已知某商品过去11年的年销售量数据如表12-4所示，用指数平滑法建立预测模型并预测第12、13年的销售量。 解：通过销售量数据的散点图（图12-4）可以看出，实际数据呈非线性递增趋势，所以必须在三次指数平滑处理的基础上建立非线性预测模型。 本例