第四章系统预测时间序列预测.pptVIP

平滑预测法——指数平滑法 * 第二十九页，共五十三页，2022年，8月28日 滞后偏差 数据点连线 一 次 平 滑 二次平滑 10 20 20 40 60 80 Xt（万人次） t（日） 平滑预测法——指数平滑法 * 第三十页，共五十三页，2022年，8月28日 假定目前处在周期20，对周期30进行预测 平滑预测法——指数平滑法 * 第三十一页，共五十三页，2022年，8月28日 两点假设： 预测对象的发展趋势不变； 预测对象的发展过程是渐变，而不是突变。 两个问题： 找到合适的趋势拟合曲线方程 确定趋势曲线方程中的参数 趋势外推预测法 * 第三十二页，共五十三页，2022年，8月28日 1、常用趋势曲线 （1）多项式函数 趋势外推预测法 * 第三十三页，共五十三页，2022年，8月28日 1、常用趋势曲线 （2）指数函数 例如： 人口或生物种群繁殖生长 质变前的发展速度 新产品成长期的销量 趋势外推预测法 * 第三十四页，共五十三页，2022年，8月28日 （3）生长曲线（S形曲线） Logistic曲线（皮尔曲线） 拐点： 趋势外推预测法 极限： t??，yt?K * 第三十五页，共五十三页，2022年，8月28日 （3）生长曲线（S形曲线） 龚伯茨（Gompartz）曲线 拐点： 趋势外推预测法 极限： t??，yt?K * 第三十六页，共五十三页，2022年，8月28日 （4）其它曲线 趋势外推预测法 * 第三十七页，共五十三页，2022年，8月28日 2、趋势预测模型的选择 研究五个问题： 时间特征：单调增或减，有趋势或周期变化，有极限或无极限，渐变或跳跃变化。 极值特征：有否极大或极小值，极值点是否稳定，可达还是渐进。 曲线形状：是否有拐点，是否对称。 发展阶段：对象发展过程在时间上是否有明显限制。 发展速度：预测对象未来发展速度是等速或变速，速度和加速度的变化特点等。 趋势外推预测法 * 第三十八页，共五十三页，2022年，8月28日 3、模型参数的识别 （1）最小二乘法 时间序列样本数据 (t1,y1)，(t2,y2)，…，(tn,yn) 若选定趋势曲线为： 则拟合目标是使误差的平方和最小，即： 趋势外推预测法——参数识别的最小二乘法 * 第三十九页，共五十三页，2022年，8月28日 例[3]：某省谷物产量历史数据如下表所示，要求预测今后10年的产量。 年份 1964 1965 1966 1967 1968 1969 1970 1971 1972 期数t -8 -7 -6 -5 -4 -3 -2 -1 0 产量yt 54.1 35.4 56.6 46.6 46.7 52.1 56.1 44.8 68.3 年份 1973 1974 1975 1976 1977 1978 1979 1980 期数t 1 2 3 4 5 6 7 8 产量yt 36.3 75.0 57.2 69.0 55.5 73.3 64.1 60.0 趋势外推预测法——参数识别的最小二乘法 * 第四十页，共五十三页，2022年，8月28日 趋势外推预测法——参数识别的最小二乘法 * 第四十一页，共五十三页，2022年，8月28日 解：采用趋势线模型 求解系数时本有： 趋势外推预测法——参数识别的最小二乘法 由于取中间点(1972年)时间坐标为0，可简化为 * 第四十二页，共五十三页，2022年，8月28日 预测模型： 趋势外推预测法——参数识别的最小二乘法 预测值为： * 第四十三页，共五十三页，2022年，8月28日 最小二乘法适于能通过取对数等手段转化为多项式函数的曲线，如指数曲线： 趋势外推预测法——参数识别的最小二乘法 * 第四十四页，共五十三页，2022年，8月28日 3、模型参数的识别 （2）三段和值法 ，求参数K, a, b。 把n个样本点等分为3组，每组r个数据， 趋势外推预测法——参数识别的三段和值法 * 第四十五页，共五十三页，2022年，8月28日 令 三段和值法还适于修正指数曲线和Gompartz曲线的参数估计，具体公式见教材。 趋势外推预测法——参数识别的三段和值法 * 第四十六页，共五十三页，2022年，8月28日 3、模型参数的识别 （3）三点法 同样考虑对Logistic曲线的拟合，在时间序列中等间距任取三点τ0,τ1,τ2，且T =τ1-τ0 =τ2-τ1。假设这三点(τ0,yτ0),(τ1,yτ1), (τ2