信息分析与决策Chapert52 分析与预测.pptx

5.2.4 数据分析与建模指数平滑法 指数平滑法被广泛应用于预测研究中。指数平滑法基于事物发展的连续性，事物过去的表现与现在的状态有关，现在的状态又与将来的可能表现有一定的联系。指数平滑法即利用现有数据，通过构造某种计算方法实现对未来的预测。5.2.4 数据分析与建模?5.2.4 数据分析与建模?5.2.4 数据分析与建模 简单指数平滑法适用于比较平稳的序列。当序列中存在上升趋势时，预测值往往会偏低，存在下降趋势时，则会偏高。预测往往落后于事物发展的实际趋势。5.2.4 数据分析与建模 二次指数平滑法(线性指数平滑法)Double exponential smoothing 是对一次指数平滑再进行一次平滑。一次指数平滑直接利用平滑值作为预测值。二次指数平滑则是利用平滑值对时间序列的线性趋势进行修正，进而建立线性平滑模型进行预测。5.2.4 数据分析与建模?一次指数平滑值二次指数平滑值t=1时，Ft-1(1)和Ft-1 (2)为平滑初始值，需事先设定。布朗模型适用于有线性趋势的时间序列.5.2.4 数据分析与建模?5.2.4 数据分析与建模 三次指数平滑法 三次指数平滑也不直接将平滑值作为预测值，而是服务于模型建立。主要包括：布朗三次指数平滑，温特Winter线性和季节性指数平滑。5.2.4 数据分析与建模?5.2.4 数据分析与建模?5.2.4 数据分析与建模?季节性平稳性趋势性??5.2.4 数据分析与建模?季节性平稳性趋势性该模型适用于同时具有趋势性和季节性的时间序列，且只适用于短期预测。5.2.4 数据分析与建模 总之，不同模型有不同使用场合。应根据序列数据表现出的趋势性，季节性等特点进行模型选择。指数平滑法的应用举例Ex: 数据“时间序列分析（彩电出口）”任务：利用1992-2002年底11年彩电出口量建立指数平滑模型，对彩电出口量的变化趋势进行分析和预测。指数平滑法的应用举例Step-1: 绘制和观察彩电出口量的序列图Gaphs ? Sequence指数平滑法的应用举例1999年以前各年出口量基本在同一水平上下波动，1999年以后有了较强的上升趋势，越往后趋势越明显。各年的波动有一定的相似性，在1999年以前的数据中体现的尤为明显，应当注意是否有一定周期性因素指数平滑法的应用举例Step-2：模型的选择模型一：简单指数平滑模型Analyze? Time Series ? Exponential Smoothing指数平滑法的应用举例General(Alpha)中设置简单指数平滑模型的平滑常数?。直接输入或者设定初始和终止以及步长，SPSS通过格点法对多个值逐个建模，得到最优模型。数据量较大时，可令系统自动设定Automatic初始值。数据量较小时，可根据实际情况手动设定.模型参数的设置指数平滑法的应用举例Report-1模型给定的序列初始值，趋势没有初始值。初始值的作用在拟合作用的前期体现，对较大数据量的序列，对后期序列的拟合几乎没有影响。指数平滑法的应用举例Report-2SSE为误差平方和，该表显示了前10个SSE最小模型对应的平滑常数。可以看出最佳平滑常数为?=0.6.指数平滑法的应用举例预测2003年1月份彩电的销售总额Analyze? Time Series ? Exponential Smoothing指数平滑法的应用举例在数据窗口可查验指数平滑法的应用举例 简单指数模型基本能够把握序列的变化规律。预测序列在各个点处的值均比原值有所滞后，上升区间预测值小于实际值，下降区间的预测值又大于实际值，这正是简单指数模型的特点。展示原序列与预测序列的对比图指数平滑法的应用举例 该序列数据的后半部分数据有明显的上升趋势，因此用简单的指数平滑模型进行预测并不太合适。展示原序列与预测序列的对比图指数平滑法的应用举例模型二 布朗二次平滑模型 考虑该模型的原因：从原序列图观察到序列在后期有明显的上升趋势。这种情况下建立一个能够反映趋势性的二次指数平滑模型应该更好。指数平滑法的应用举例模型二 布朗二次平滑模型参数选择General 和Trend中设置Holt双参数模型中的参数?和?。采用格点法选择参数，步长为0.01指数平滑法的应用举例Report(model)： 引入线性趋势后，最佳模型的平滑参数分别为0.48和0.06.序列的精度进一步提高，误差平方和SSE为2.88698 ? 1012 (模型一 3.24998 ? 1012). 显然引入趋势的模型更为合适。指数平滑法的应用举例 序列图中显示出序列中可能存在某种周期性，我们可通过查验模型二的残差序列相关图印证。指数平滑法的应用举例 在时间点位12和24时，自相关系数显著不为0。时点在12时，偏自相关系数显著不为0.这意味着序列中存在着显著地季节性。模型二只引入了线性的趋