《确定型时间序列预测方法》-公开·课件设计.pptVIP

第4章 确定型时间序列预测方法 第4章 确定型时间序列预测方法 －时间序列与时序分析 －移动平均法 －指数平滑法 －时间序列的分解法 得线性预测模型为 5) 预测 求下个月的销售量预测值。下个月的周期序号为t=16，T=1，于是， 4.3 指数平滑法 4.3 指数平滑法 MA的优点：简单易行，计算方便 不足： （1）只用到 N 个数据。最近 N 个数据权重为1/N，其余为0. （2）每计算一次MA，需存储最近N个观察数据，当需要经常预测时有不便之处。 一、一次指数平滑法 （权系数之和为1） 一次指数平滑值 采用教材的记号，设时间序列 可变形为： 预测公式： 或 * 在原预测值的基础上利用误差进行调整。（反馈控制原理） 存储量小。 … … 迭代可得， 移动平均值和指数平滑值的对比 假定样本序列具有水平趋势，将 用 代替，则 指数平滑法的特点： 权重 算术平均，所有数据权重均为1/n；一次移动平均，最近N期数据权重均为1/N，其他为0；指数平滑，与所有数据有关，权重衰减，厚今薄古。 2. ?的大小对指数平滑序列的影响 1） ?与权系数的衰减快慢有关： ?越大，衰减越快； 2） ?的平滑作用： ?越大，平滑作用越小（对应于1/N）； 3） ?与初值： ?越小，初值越重要。 ?＝0.1 ?＝0.5 ?＝0.9 (1－?)5＝0.59049 (1－?)5 ＝0.3125 (1－?)5 ＝0.00001 3. 初值的选取：一般可作如下考虑 n 15，取 n 15，取最初几期数据的平均值。 具体操作时把数据分成两段，以前段为依据对后段作事后预测，以事后预测为评价标准。 ?：0.01～0.3 例4.3 现有某年1月至11月对餐刀的需求量（见表4.3）要用指数平滑法预测这一年12月份的需求量。在表中我们选择 ? ＝0.1，0.5，0.9三个值进行比较，由于在 中 未知，从而 也未知，表中将 X0=2000 作为初始值,当＝0.1时均方误差最小，因此我们在进行预测时的平滑系数选为0.1。 注：有滞后 二、二次指数平滑法 一次指数平滑法的缺点：适应于平稳模式；有滞后偏差。类似于二次移动平均法的原理，有 二次指数平滑值 预测公式： 初值的选取： n 15，取 n 15，取最初几期数据的平均值。如 把数据分成两段，以前段为依据对后段作事后预测，以事后预测为标准选择? 。 ?的选取： 例4.3 某机床厂从1992年机床销售量数据如下表所示，预测2004年的销售量。 03 02 01 00 99 98 97 96 95 94 93 92 年份 439.2 436.3 440.3 464.4 457.7 438.7 444.2 450.7 418.0 406.5 394.7 410.4 销售量Xt 12 11 10 9 8 7 6 5 4 3 2 1 时间序号t 解： 设 由 436.3 440.3 464.4 457.7 438.7 444.2 450.7 418.0 406.5 394.7 410.4 405 03 02 01 00 99 98 97 96 95 94 93 92 年份 446 427 384 480 502 426 429 527 445 434 358 423 销售量Xt 12 11 10 9 8 7 6 5 4 3 2 1 时间序号t 得一次指数平滑序列见下表： 取 由 得二次指数平滑序列见下表： 441.3 442.2 444.8 446.7 439.2 431.2 428.0 421.0 408.3 404.0 403.0 406.6 439.2 436.3 440.3 464.4 457.7 438.7 444.2 450.7 418.0 406.5 394.7 410.4 03 02 01 00 99 98 97 96 95 94 93 92 年份 446 427 384 480 502 426 429 527 445 434 358 423 销售量Xt 12 11 10 9 8 7 6 5 4 3 2 1 时间序号t 预测公式： 三、讨论 在使用一次指数平滑法时，与使用一次移动平均法一样要注意到： 第一，数据应是相当平稳的，即其基本模式应是水平模式； 第二，数据的基本模型发生变化时，这两种方法都不能很快地适应这种变化。 然而，一般来讲，一次指数平滑法的预测效果不比一次移动平均法差，而且一次指数平滑法计算时的存贮量小，所以一般的宁可使用一次指数平滑法。 二次指数平滑法与二次移动平均法类似，它能处理水平模式的数据，也能处理长期趋势模式。与一次类似，二次指数平滑法的预测效果也不比二次移动平均法差，而且它的计算和存贮量也要小得多。 但无论是指数平滑法还