预测模型PPT.ppt

预测模型;预测原理;预测的原理 1.整体性原理 事物是由若干部分相互关联而成的有机整体，事物发展变化的过程也是一个有机整体。 2.可知性原理 由于事物发展过程的统一性，即事物发展的过去、现在和将来是一个统一整体，所以人类不但可以认识预测对象的过去和现在，而且也可以通过过去到现在的发展规律，推测将来的发展变化 3.可能性原理 预测对象的发展有各种各样的可能性，预测是对预测对象发展的各种可能性的一种估计。如果认为预测是必然结果，则失去了预测的意义。 ;4.相似性原理 把预测对象与类似的已知事物的发展变化规律进行类比，可以对预测对象进行描述。 5.反馈原理 预测未来的目的是为了更好的指导当前，因此应用反馈原理不断的修正预测才会更好的指导当前工作，为决策提供依据。 ;预测的步骤 1.确定目标 2.选择预测方法 3.收集和分析数据 4.建立预测模型 5.模型的分析 6.利用模型预测 7.预测结果分析 ;预测模型 一、时间序列分析 时间序列也叫时间数列或动态数列，是要素的数据按照时间顺序变动而形成的一种数列，它反映了要素随时间变化的发展过程。 常用的有：平滑法、趋势线法、季节性指数法、自回归法等。 （一）平滑预测法 为了消除偶然因素对变量的影响，常采用平滑法对数据进行处理，以便使其随时间发展变化的趋势和方向明显化。 1）移动平均法 2）滑动平均法 3）指数平滑法;移动平均法 ;移动平均的作用在于修匀数据，消除一些随机干扰，使长期趋势显露出来，从而可用于趋势分析及预测。 如果时间序列没有明显的周期变化和趋势变化，可用第t 期的一次移动平均值作为第t+1期的预测值，即 式中： ——第t+1 期的一次移动平均预测值。 为了运算方便，计算 时可使用递推公式： 一般来说，当N取值越大，其修匀程度越好，但对真实值变化趋势反映也越迟钝；反之，如果N取得越小，对真实值变化趋势反映越灵敏，其修匀性越差。实际预测中，可采用试算法，即选择几个N值进行计算，比较它们的预测误差（均方误差MSE），从中选择使预测误差较小的那个N。;均方误差;;加权移动平均法 ;二次移动平均法 ;预测步骤为： 1、对时间序列 计算 和 2、利用 和 估计线性趋势模型的截距 和斜率 3．建立线性趋势预测模型： 式中：t ——当前期； ——预测超前期； ——第 期的预测值； ——截距的估计值； ——斜率的估计值。 4．进行预测;指数平滑法 ;一次指数平滑公式的展开如下 ;2．预测模型 如果时间序列的变化呈水平趋势，可用第t期的一次指数平滑值作为第t+1 期的预测值，其预测模型为： a的大小体现了修正的幅度， a越大修正的幅度越大， a越小修正的幅度也越小。由此可见， a既代表了预测模型对时间序列变化的反应速度，又决定了预测模型修匀误差的能力。因此， a的选取是重要的，它直接影响着预测结果。 ?一般a的选取可遵循下列原则： （1）当时间序列波动不大，较为平衡时，可取较小的a值（0.1~0.3），以减小修正幅度，使预测模型包含较长时间序列的信息。;（2）当时间序列具有明显的变动趋势时，可取较大的a值（0.6~0.8），以便迅速跟上数据的变化，提高预测模型的灵敏度。 （3）实际应用中，可多取几个a值进行试算，选取使均方误差最小的a作为加权系数。 初始值是由预测者估计或指定的，具体方法是： （1）当时间序列的样本容量n20时，初始值对预测结果影响很小，可选取第一期观测值作为初始值。 （2）当时间序列的样本容量n≤20时，初始值对预测结果影响较大，应选取最初几期观测值的均值作为初始值。 注意，一次指数平滑法只能用于下一期的预测.不能跨期预测。; 例：某城市6年用水量数据如下表,试用指数平滑法预测该城市2000年的用水量. 解：取a=0.5 ;二次指数平滑法;3、利用 估计线性模型的截距 ； 4、建立线性趋势预测模型，并进行预测。 ;（二）趋势线预测法 （1）直线型趋势线 （2）指数型趋势线 （3）抛物线型趋势线 这三种趋势线方程中系数的求解可以用回归分析方法中的最小二乘法实现。 （三）季节性预测 一种要素的变化过程往往是多种因素综合作用的结果，由于各种因素的影响、作用方向和强度不同，使具体时间序列呈现出不同的变动形态。 可以将时间序列分解为：长期趋势、季节变动、循环变动和不规则变动。 ;（四