第八章系统预测.pptVIP

8系统预测2016年9月8系统预测本章介绍一元线性回归和马尔科夫预测。8.1.1系统预测的概念和本质系统预测的定义可描述为：系统预测是根据系统发展变化的实际数据和历史资料，运用一定方法对系统未来一定时期内可能的变化情况进行推测、估计和分析。系统预测的实质是从系统已发生过的情况出发，根据系统发展变化的规律，预测其可能出现的状况。8.1.3系统预测的一般步骤(1)明确预测目的和已知条件。(2)建立预测模型——数学模型。(3)模型中未知参数的估计和确定。(4)检验预测结果(参数取值和模型适用性)。(5)实施预测和结果分析。8.2时间序列分析介绍了时间序列的概念，时间序列的主要特征及其识别方式。此部分内容自学。8.3平滑预测法介绍了移动平滑法，指数平滑法等。移动平滑法比较简单，自学。8.4回归分析回归分析据其变量个数通常可分为一元回归和多元回归；由变量关系可分为线性回归和非线性回归。8.4.1线性回归分析(1)一元线性回归。(2)多元线性回归。一元线性回归一元线性回归由采集到的样本，利用最小二乘法估计一元线性方程中的参数，从而得到由估计值表示的一元线性方程。多元线性回归多元线性回归同一元线性回归，要点是有样本，基本多元线性模型和最小二乘法。8.4.2一元线性回归回归参数的估计回归参数的估计回归参数估计回归参数估计用一元线性回归模型进行预测置信区间的计算公式8.5马尔科夫预测马尔可夫在上世纪初经多次试验研究发现，现实中有这样一类随机过程，在系统状态转移过程中，系统将来的状态只与现在的状态有关。而与过去的状态无关，这种性质叫无后效性，符合这种性质的状态转移过程，称马尔可夫过程(MarkovProcess)。一系列马尔可夫过程的整体，称马尔可夫链。8.5马尔科夫预测马尔可夫预测就是要研究当前状态转移到下个状态的概率问题。表述状态转移概率的矩阵称为转移概率矩阵。转移概率矩阵的特点转移概率矩阵的特点转移概率矩阵的特点应用实例两家毛巾厂的市场销售占有预测，假定毛巾平均使用期为6年，每年两家毛巾厂的总销售量为常数，市场调查结果见表。应用实例时间A厂B厂销售量(万条)顾客销售量(万条)顾客老顾客(万人)原购B厂毛巾、现购A厂毛巾人数(万人)老顾客(万人)原购A厂毛巾、现购B厂毛巾人数(万人)199520016040300280201996217178.538.5283260.512.5应用实例应用实例由初始状态概率矩阵和转移概率矩阵，可预测、两厂的毛巾销售量以及相应的市场占有率。时间A厂B厂状态概率(市场占有率)销售量(万条)状态概率(市场占有率)销售量(万条)19970.4562280.54427219980.4762380.52426219990.4922460.50825420000.503251.50.497248.520010.5122560.48824420020.519259.50.481240.5应用实例应用举例8.6灰色预测法略