城市规划系统工程3-时间序列.pptVIP

* * 时间序列预测包括：趋势预测、周期预测以及平稳时间序列预测。 趋势预测就是应用已经获得的具体时间属性的历史数据，寻找这些数据中内在的联系，用于预测未来趋势。 趋势预测的一个基本假定就是存在于当前数据中的“趋势”同样作用于未来。但时间序列数据中同时也包含有随机波动，因此应该设计一种方法来消除随机波动的影响，提炼出有关指标基本变化模式的信息，建立预测模型。 ——移动平均数法、指数平滑法 三、时间序列分析 思路：一组观察值中包含了大量随机因素，而其平均值能有效的降低随机因素的干扰。 例：某城区某年1-11月销售量xt见下表，据此预测12月份的销售量。 1、移动平均数法 46 49 45 61 55 64 55 57 59 50 46 xt 11 10 9 8 7 6 5 4 3 2 1 t 计算n个数值的平均值： 则St可作为t+1时刻的预测值，即yt+1=St 求几个月的平均值呢？——n应该取多少？ n越大，等待的时期越长，可供比较的预测值越少，预测值的起伏波动较小，平滑效果好 可采用均方差MSE来检验，选取较小的MSE对应的n值进行预测。 S11= y12=46.67 46.67 51.67 53.67 60 58 58.67 57 55.33 51.67 St(n=3) S11= y12=53.33 53.33 54.83 56.17 58.50 56.67 55.17 St(n=6) 46.67 51.67 53.67 60 58 58.67 57 55.33 51.67 Yt 12月预测值 46 49 45 61 55 64 55 57 59 50 46 xt 12 11 10 9 8 7 6 5 4 3 2 1 t S3=1/3（x1+x2+x3） S4=1/3（x2+x3+x4）…… S11=1/3（x9+x10+x11） 选取哪个值为预测值？——计算方差 S11= y12=53.33 53.33 54.83 56.17 58.50 56.67 55.17 St(n=6) S11= y12=46.67 46.67 51.67 53.67 60 58 58.67 57 55.33 51.67 St(n=3) 53.33 54.83 56.17 58.50 56.67 55.17 yt(n=6) 46.67 51.67 53.67 60 58 58.67 57 55. 51.67 yt(n=3) 12月预测值 46 49 45 61 55 64 55 57 59 50 46 xt 12 11 10 9 8 7 6 5 4 3 2 1 t 因为MSE（n=3） MSE（n=6），所以选取n=3来建模，即第12月份的预测值为46.67。 一般情况下，为了提高预测精度，可继续利用一次移动平均的结果再作二次、三次移动平均计算。 适用于时间序列比较平稳和短期预测。 移动平均数法的另一种表示方法： 即：t+1时刻的预测值可表示为t时刻的预测值再加上一个调整值，n值越大，调整值越小，波动越小，平滑效果越好。 2、指数平滑法 近期数据应该比那些较远的数据得到更大的权重 指定一个a值，0a1 a的选取： a与1/n的作用相同，所以对a的取值可以基于以下考虑： 变化较大，趋势性较强的序列，a取较大值； 接近平稳序列时a取较小值。 可选取多个a值分别计算其均方差MSE或平均绝对误差MAD，以最小者为选择标准。 Excel 实现 工具——数据分析——指数平滑 预测、 标准差判断 试调整初始值，观察图表变化 6.944 48.268 6.893 47.488 6.953 46.939 12 8.626 50.535 8.708 49.719 8.854 49.130 46 11 8.843 52.070 9.226 50.797 9.602 49.434 49 10 6.148 59.141 6.286 59.492 6.591 59.781 45 9 5.763 57.281 5.932 57.231 6.235 56.935 61 8 5.510 59.563 5.147 60.577 5.037 61.451 55 7 6.666 55.125 6.287 55.442 6.000 55.505 64 6 7.053 55.250 6.668 56.10