時間序列預(yù)測ppt課件-wenkub.com
2024-10-31 22:34 本頁面
【正文】 根據(jù)上述計算結(jié)果， 2021年各季度的銷售量預(yù)測值如下： )()()()()(4164431533214221131112?????????????????????????????????SIxSIbtaXSIxSIbtaXSIxSIbtaXSIxSIbtaXSIxSIbtaXiiii??????????所以有 預(yù)測公式為： 季節(jié)比例法（ 8） ? 預(yù)測結(jié)果。 16151413721????????????????????????????xxxxxxx??????????? 季節(jié)比例法（ 5） ? 第三步：計算各期趨勢比率。 月（季）季節(jié)指數(shù)的計算 ? SI表示月（季）季節(jié)指數(shù)， 表示各月（季）平均數(shù)， 表示全時期總月（季）平均數(shù) %100?? XxSI iiixX 簡單平均法（ 2） ? 例：若假定 2021年全年預(yù)計銷量為 30000，則全年月平均銷量為 2500。 ? 拋物線趨勢預(yù)測的數(shù)學(xué)模型為： ),( 11 RtM ),( 和 ),( 3322 TtMStM2ctbtax ????5項加權(quán)平均預(yù)測模型 ? 將坐標點的值代入到預(yù)測模型，得到： cbRacnnRTbnSTRcbnaTcnbnaScbaR153113735)5()2(2)34()34()673(673)311(3112222?????????????????????????即有3項加權(quán)平均預(yù)測模型（ 1） ? 將坐標點的值代入到預(yù)測模型，得到： cbRacnnRTbnSTRcbnaTcnbnaScbaR6373533)3()2(2)32()32()653(653)37(372222?????????????????????????即有3項加權(quán)平均預(yù)測模型（ 2） ? 例 觀察年份 時 序 (t) 觀察值 (x) 權(quán)數(shù) w wx 加權(quán)平均 1992 1 41 1 41 R 1993 2 51 2 102 1994 3 59 3 177 1995 4 66 320 1996 5 72 1 72 S 1997 6 77 2 154 1998 7 82 3 246 1999 8 85 472 2021 9 86 1 86 T 2021 10 85 2 170 2021 11 82 3 246 合 計 502 3項加權(quán)平均預(yù)測模型（ 3） ? 計算過程 2226 3 7 )6 3 7 (3737)6 3 7 (3511331135336 3 7 )311()(2)3()2(2ttxcbRacnnRTbnSTRcTSR??????????????????????????????????????????所以有即有 季節(jié)變動法預(yù)測 ? 季節(jié)變動預(yù)測的基本思路是：首先根據(jù)時間序列的實際值，觀察不同年份的季或月有無明顯的周期波動，以判斷該序列是否存在季節(jié)變動；然后設(shè)法消除趨勢變動和剩余變動的影響，以測定季節(jié)變動；最后求出季節(jié)指數(shù)，結(jié)合預(yù)測模型進行預(yù)測。 當(dāng) 數(shù)據(jù)項大于 10時 ， 取 5項加權(quán)平均 ， 在序列的首尾兩端求得近期和遠期兩點坐標 。 若數(shù)列不能被 3整除 ， 當(dāng)余數(shù)為 1時去掉數(shù)列首項；當(dāng)余數(shù)為 2時 ， 去掉三段中間所夾兩項 。根據(jù)例中數(shù)據(jù)，有 觀察年份 時 序 觀察值 St(1) St(2) 1996 1 40 1997 2 47 1998 3 56 1999 4 65 2021 5 70 2021 6 75 2021 7 82 TTbaxSSbSSaT )()(1777)2(7)1(77)2(7)1(77??????????????????????? 三次指數(shù)平滑法（ 1） ? 當(dāng)時間序列為非線性增長時，一次指數(shù)平滑與二次指數(shù)平滑都將失去有效性；此時需要使用三次指數(shù)平滑法。 0?T 二次移動平均法（ 2） ? 二次移動平均法的預(yù)測模型如下： )(122......)2()1()2()1()1()1()1(2)1(1)1()2(
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1