【正文】 預測的電力負荷。針對原始時間序列具有季節(jié)性變化同時有增大的趨勢，先用對數(shù)變換消除增幅越來越大的現(xiàn)象。圖6 估計結(jié)果 測利用上述模型，做以月為單位的12期預測，并把原時間序列和預測序列以及置信系數(shù)為95%的置信上限和下限同時顯示在圖7中，如下： 圖7 圖中，帶*號的是原時間序列，不帶*號的折線是預測結(jié)果。你到我辦公室來，咱們交流一下。參數(shù)估計中，兩個系數(shù)都明顯拒絕為零的假設(shè)，可以保留（見圖6）。一年的用電量中2月份最低，7，8月最高，12月又有一個小高潮。 forecasting。 year39。為非季節(jié)性自回歸算子，p為自回歸階數(shù)，…，為自回歸參數(shù)，B為后移算子。ARIMA建模分為三個階段：模型識別、參數(shù)估計、和診斷檢驗。仔細觀察表2數(shù)據(jù)，2月份的數(shù)據(jù)偏離一般規(guī)律較遠。實際數(shù)據(jù)要比預測數(shù)據(jù)稍大一些，說明增長的勢頭比以往要強勁。本文用SAS軟件對差分后的序列進行了自相關(guān)分析，其結(jié)果是自相關(guān)系數(shù)的白噪聲監(jiān)測拒絕序列為白噪聲的原假設(shè)，因此該序列應該繼續(xù)建模進行分析。為非季節(jié)性移動平均算子，q為移動平均階數(shù)，…，為移動平均參數(shù)。 electricity demand scientifically is an important basic tasks,and need an forecasting method with easier to use and having sufficient the purpose of pressing close to practice and