常用建模方法--预测方法简介.ppt

第五部分 常用建模方法 （3）预测及检验 从以上讨论可见，一次指数平滑法最适宜用于较平稳的时间序列，作短期的预测，即可令第t时点的 值作为第 t+1时点的预测值 ，即 由于指数平滑系数a值的选取，可以多方案，一般采用 原则上合理的多个a值试算的办法，分别计算其均方差MSE， 如上节所述；或者分别计算其平均绝对误差MAD，以MSE 或MAD最小者为最好的a值。至于此种预测有效与否， 则预测有效。 则可用 检验其误差值 数列是否具有随机性；若是， 各时点平滑预测值y与实际值x的误差值 为： 平均绝对误差MAD为 2. 二次指数平滑法 二次指数平滑法是以相同的平滑系数a ，对一次指数 指数平滑数列 。 平滑数列 再进行一次指数平滑，构成时间序列的二次 (1)．二次指数平滑数列的构成 初始值 ，则 更能将其不规则或周期变动加以清除，长期趋势性更能显示 可见，二次指数平滑数列 对原时间序列经过两次修匀， 出来。 如同一次指数平滑法一样，合理的a值的确定，亦应选取 原则上较合理的多个a值分别计算，构成不同a值的数列 和 ，则根据均方差MSE最小原则确定一个较合理 的a值。 (2)．线性趋势预测模型 对时间序列进行一次 、二次指数平滑，有利于更加显示数列的长期趋势，因而二次指数平滑法较适用于具有线性趋势的时间序列，其线性趋势预测模型为： 式中T——自t时点起向前预测的时点数； ——待定系数； 预测模型有效性检验方法，与上述一次指数平滑法预测有效性检验原理相同。 逐时点算出预测值 ，则各时点的误差为 对 数列进行自相关检验，如前所述，若 数列为随机性，则预测模型有效。 3. 布朗二次多项式（三次）指数平滑法 当时间序列呈现非线性趋势时，可用三次指数平滑法。 (1)．三次指数平滑数列的构成 设时间序列为 ；同样令 且取同一个平滑系数a ，则按下式逐步计算； 同样可按预测均方差MSE或MAD最小原则选定一个a值。 (2)．二次抛物线型预测模型 以选定的较好的一个a值的计算结果 、 和 数列为准，对时间序列末期t的数据按下式计算模型系数： 则预测模型为： 式中T——自t时点起向前预测的时点期数。 预测数学模型的有效性检测的方法同上，即先计算预测偏差 数列及其自相关系数 ，再按 检验，或进行 检验。 4. 温特线性和季节性指数平滑法 温特线性和季节性指数平滑法利用三个方程式，其中每一个方程式都用于平滑模型的三个组成部分（平稳的、趋势的和季节性的），且都含有一个有关的参数。 温特法的基础方程式： 其中，L为季节的长度；I为季节修正系数。 m为预测超前期数。 使用此方法时一个重要问题是如何确定α、β和γ的值，以使均方差达到最小。通常确定α、β和γ的最佳方法是反复试验法。 三、灰色预测模型 白色系统——如果一个系统中具有充足的信息量，其发展变化的规律明显、定量描述方便、结构与参数具体； 黑色系统——如果一个系统的内部特性全部是未知的； 灰色系统(Grey System)——介于白色系统和黑色系统之间，即系统内部信息和特性是部分已知的，另一部分是未知的.区别白色系统与灰色系统的重要标志是系统内各因素之间是否具有确定的关系； 灰色系统分析方法主要是根据具体灰色系统的行为特征数据，充分利用数量不多的数据和信息寻求相关因素自身与各因素之间的数学关系，即建立相应的数学模型。 (一)、灰色生成数列 对灰数的处理主要是利用数据处理方法去寻求数据间的内在规律，通过对已知数据列中的数据进行处理而产生新的数据列，以此来研究寻找数据的规律性，这种方法称为数据的生成。 数据的生成方式有多种，常用的方法有累加生成、累减生成和加权累加生成等。 1. 累加生成 设原始数列为 ，令 则称 为数列 的１- 次累加生成，数列 称为数列 的１- 次累加生成数列。类似地有 称之为 的r- 次累加生成。记 ，称之为 的r- 次累加生成数列。 2. 累减生成 如果数据列为 一般地，对于r次累加生成数列 则称 为数列 的r-次累减生成。 ，令 则称 为数列 的1- 次累减生成。 3. 均值生成 设原始数列 则称 与 为数列 的邻值， 为后邻值， 为前邻值. 对于常数 ，则称 的邻值生成数（或生成值）。 为由数列 的邻值在生成系数（权） 下 特别地，当生成系数 时，则称 为邻均值生成数，即等权邻值生成数。 类似地，可以定义非邻值生成数 和 而数列 称为均值生成数列。 (二)、GM（1，1）模型 灰色模型是利用离散随机数经过生成变为随机性被显著削弱而且较有规律的生成数，建立起的微分方程形式的模型，这样便于对其变化过程进行研究和描述。