数学建模的预测模型.pptVIP

　预测 §1 时间序列预测法 §2 用回归分析方法进行预测 导 言 预测的重要性 科学预测的分类 定量预测 因果关系预测，如回归分析法 时间序列预测，如平滑法趋势预测，调整季节影响的趋势预测 定性预测 如Delphi法 本章介绍的内容 平滑法趋势预测，调整季节影响的趋势预测，回归分析法 §1　时间序列预测法 一、时间序列的成分 时间序列 一些连续的时间点或时间区间上测量到的一系列的数据。 时间序列的成分 成分的概念：决定时间序列数据值的那些因素。 成分的组成：趋势、周期、季节性、不规则。 平滑法 通过平均过程来去掉时间序列中不规则的因素。 常用平滑法 移动平均法、加权移动平均法、指数平均法 二、用平滑法进行预测 移动平均法 用时间序列中最近的n个数据的平均值来作为下个时期的数据的预测值。 §1　时间序列预测法 计算的数学公式为 注意：移动就是不断地用最近几个数据来代替老数据。随着预测时期的推 进，预测值也不断变化。 例1 某粮油食品公司最近10周的大米销售数量如表17-1所示，请预测第 11周的大米销售数量。 §1　时间序列预测法 分析： 大米是日常生活必需品，不受季节、周期的影响； 数据记录的时间单位为周，时间间隔短很少受趋势的长时期因素的影响。 在此用移动平均法预测。 步骤： 选定n的取值，取n为3； 选取距离第11周最近的3周数据。第8、9、10周的数据分别为54，63，73； 按公式计算，得 第11周销售量预测值为： §1　时间序列预测法 4.用同样方法，获得第4—10周各周的预测值。 5.分别求出第4—10周的预测偏差及偏差平方值 预测偏差=预测量-实际销售量 结果如表17-2所示。 6.估计第11周的预测偏差平方值 偏差平方估计值=第1—10周的偏差平方值的均值 即第11周的预测偏差平方值为： 预测偏差的估计为 §1　时间序列预测法 §1　时间序列预测法 讨论 由于预测偏差估计中存在正负值，为保证预测方法的精确度，采用预测偏差平方值最小的用于第11周的预测偏差估计。 n值的取定。n值越大，预测曲线越平滑，丢失的信息就越多。一般n取3、4、5较为恰当。 §1　时间序列预测法 2 加权移动平均法 该法是移动平均法的改进。根据最近的数据的不同距离，赋予不同的权数。 用加权移动平均法求解例1的问题。 步骤： 确定权数。假定第1，2，3周的权数比关系为1：3：5。可得 第1周的权数为 第2周的权数为 第3周的权数为 第四周大米销售量预测值为 §1　时间序列预测法 3 指数平滑法 用过去的时间序列的实际值和预测值加权平均来进行预测。 基本模型如下： 求解例1 分析: 为了预测第11周的大米销售量，除了要知道前10周的实际销量 外，还要知道第10周的预测值。而要知道第10周的预测值，必须知道第9 周的预测值。如此类推。直至第1周的预测值。由于t=1时是个起始点，故 规定F1=y1，取定α=0.3。 求解 按公式（2）依次计算，有 §1　时间序列预测法 表3显示了相关的计算结果 解得第11周的预测值为 第11周的预测偏差的平方值为 讨论 不同的α取值对第11周的预测值和预测偏差的平方值的影响。改写公 式（2）如下， 选取不同的值获得结果如表4所示。从表中可见，对本例题来说， 当α取0时，用指数平滑法求得的第11周的预测值为62，预测偏差的平方 估计值最小为86.22。因此，0为α最适合的取值，62为第11周最精确的 预测值。 §1　时间序列预测法 §1　时间序列预测法 §1　时间序列预测法 三、用时间序列趋势进行预测 假定时间序列趋势为线性。 例2 某种品牌的冰箱最近十年的销售数量,如表5所示： 用图2来表示。 §1　时间序列预测法 §1　时间序列预测法 （续例2 ）从中可以看出，10年里销售量的趋势是增长的，并可以认为 趋势是与图中直线相吻合，所以称趋势是线性趋势的。直线的方程如下表 示： §1　时间序列预测法 （续例2 ）求解最后得到趋势直线为 四、体现时间序列的趋势和季节因素的预测方法 思路： 1.把具有趋势和季节因素的时间序列中的季节的成分从序列中分离出来； 2.求出这个具有趋势的时间序列的趋势预测； 3.用季节指数修正趋势预测，使预测体现出趋势因素和季节因素。 该时间序列的模型为 例3 某运动鞋厂，其近四年销售的运动鞋数量按季节统计的数据如表6和图3 所示。 步骤 （一）用移动平均法来消除季节因素和不规则因素的