数学建模中常用预测方法.docVIP

数学建模中常用预测方法 　　[摘 要] 许多大学生都参加过数学建模比赛，结合自己参加数学建模的经验，探讨了在建模比赛中经常用到的模型预测方法。分析了时间序列预测方法、回归分析以及灰色预测。探讨了不同的预测方法的不同应用场景，以及不同方法的优缺点。 　　[关键词] 指数平滑法 回归分析 灰色预测法 　　 　　1、引言 　　数学建模作为用数学方法解决实际问题的第一步，越来越受到人们的重视。在一般工程技术领域数学建模仍然大有用武之地；在高新技术领域数学建模几乎是必不可少的工具。 　　数学建模在分析与设计、控制与优化、预报与决策、规划与管理等方面发挥巨大的作用。数学建模竞赛的迅速发展,培养了学生创新精神,推动了高校的教学改革。培养学生运用学过的数学知识和计算机（包括选择合适的数学软件）分析和解决实际问题的能力。面对复杂事物的想象力、洞察力、创造力和独立进行研究的能力。关心、投身国家经济建设的意识和理论联系实际的学风。团结合作精神和进行协调的组织能力。勇于参与的竞争意识和不怕困难、奋力攻关的顽强意志。查阅文献、收集资料及撰写科技论文的文字表达能力。笔者在查找文献的基础上结合自己参加多届数学建模的经验，将在数学建模中经常用到的模型预测方法做了一下归纳总结，希望对后来者在学习数学建模时有所帮助。 　　2、数学建模中常用预测方法 　　2.1移动平均法 　　是根据时间序列资料逐渐推移，依次计算包含一定项数的时序平均数，以反映长期趋势的方法。当时间序列的数值由于受周期变动和不规则变动的影响，起伏较大，不易显示出发展趋势时，可用移动平均法，消除这些因素的影响，分析、预测序列的长期趋势。移动平均法有简单移动平均法，加权移动平均法，趋势移动平均法等。这些都是比较简单的时间预测方法。 　　2.2指数平滑法 　　指数平滑法（ExponentialSmoothing，ES）是布朗(RobertG..Brown)所提出，布朗、认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。指数平滑法根据平滑次数的不同，又分为一次指数平滑法、二次指数平滑法和三次指数平滑法等，分别介绍如下。 　　2.21二次指数平滑法 　　一次指数平滑法虽然克服了移动平均法的缺点。但当时间序列的变动出现直线趋势时，用一次平滑法进行预测，会出现滞后偏差问题。因此，必须加以修正。再作二次指数平滑，利用滞后偏差的规律再次建立直线趋势模型。 　　2.22三次指数平滑法 　　当时间序列的变动表现为二次曲线趋势时，则需要用三次指数平滑法。三次指数平滑是在二次指数平滑的基础上，再进行一次平滑指数。 　　2.3差分指数平滑法 　　当时间序列的变动具有直线趋势时，用一次指数平滑法会出现滞后偏差，其原因在于数据不满足模型要求。因此，我们也可以从数据变换的角度出发，在运用指数平滑法以前先对数据作预处理，使之能适合于一次指数平滑模型，以后再对输出结果进行返回处理，使之恢复为原变量的形态。差分方法是改变数据变动趋势的简易方法。 　　2.4自适应滤波法 　　自适应滤波法与移动平均法、指数平滑法一样，也是以时间序列的历史观测值进行某种加权平均来预测的，它要寻找一组“最佳”的权数，其办法是先用一组给定的权数来计算一个预测值，然后计算预测误差，再根据预测误差调整权数以减少误差。这样反复进行，直至找出一组“最佳”权数，使误差减少到最低限度。由于这种调整权数的过程与通讯工程中的传输噪声过滤过程极为接近，故称为自适应滤波法。 　　2.5趋势外推预测方法 　　趋势外推法是根据事物的历史和现时资料，寻求事物发展规律，从而推测出事物未来状况的一种比较常用的预测方法。利用趋势外推法进行预测，主要包括六个阶段： 　　a、选择应预测的参数；b、收集必要的数据；c、利用数据拟合曲线；d、趋势外推；e、预测说明；f、研究预测结果在进行决策中应用的可能性。趋势外推法常用的典型数学模型有：指数曲线、修正指数曲线、生长曲线、包络曲线等。详细内容大家可以查阅具体文献。 　　2.7回归分析 　　一般来说，回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。一般地，回归方程的假设检验包括两个方面：一个是对模型的检验，即检验自变量与因变量之间的关系能否用一个线性模型来表示，这是由F检验来完成的；另一个检验是关于回归参数的检验，即当模型检验通过后，还要具体检验每一个自变量对因变量的影响程度是否显著。这就是下面要讨论的t检验。在一元线性分析中，由于自变量的个数只有一个，这