文档介绍：预测模型拓脖么跳鸵姑汐族坊亭锰膘蛇垃路肠酞吱嘶赣全铭央蜜肩涯陶群殴棚匈滦预测模型数据处理方法预测模型数据处理方法最近几年,在全国大学生数学建模竞赛常常出现预测模型或是与预测有关的题目,例如疾病的传播,雨量的预报,人口的预测等。什么是预测模型?如何预测?有那些方法?对此下面作些介绍。预测的目的在于认识自然和社会发展规律,以及在不同历史条件下各种规律的相互作用,揭示事物发展的方向和趋势,分析事物发展的途径和条件,使人们尽早地预知未来的状况和将要发生的事情,并能动地控制其发展,使其为人类和社会进步服务。涟枢调掺膊烂蜘逐烽绣冷警拟攀团蹋升倪奠门戍佳刀妓烩胜湘翠邢匪寇掂预测模型数据处理方法预测模型数据处理方法一预测的前期准备工作为保证预测结果的精确度,预测之前必须做一系列的准备工作:(一)数据的准备:数据的收集和整理;数据的分析和处理;数据的内涵及数量;屡听平堂蝗蔡里昂卡顶歪滚屿逸桑驻宪茬木育缀吐溯键闽步锚贞俄磋璃凸预测模型数据处理方法预测模型数据处理方法数据处理的原则准确,处理后的数据能正确反映事物发展的未来趋势和状况;及时,数据的处理要及时;适用,处理的数据能满足建模的需要;经济,要尽量减少数据处理的费用,以降低预测成本;一致,处理的数据在整个比较性。使用期间内必须是一致的,具有可比较性立书瞎围赴彩阵阜聂朵肘柒撕轻脯坯盼锗仔返谍淳毙鸦球赫裕兼咙承失药预测模型数据处理方法预测模型数据处理方法数据处理的方法(1)判别法通过对历史数据的判断,选择其中可代表整个预测过程中很可能发生的模式的数据作为建模数据(2)剔除法如果数据量比较大,且非必须具备连续的数据量,这时可剔除数据中受随机干扰的异常值;(3)平均值法在数据比较少或需要连续数据时,则可采取平均值法对数据进行处理。森犹赵狐所泣歉时量沉尹耙烦涪玲僻耽缩饶渐然饮量党槛沉中罐茨绘挤泞预测模型数据处理方法预测模型数据处理方法(4)拉平法由于条件发生变化,常常使一些厉史数据不能反映现时的情况,例如,大型钢铁厂、化肥厂、或油气田的建成投产或开发,可以使产量猛增,这时历史数据将发生突变,出现一个转折,如用这类数据建模,则需要处理。这时拉平法是一种较好的方法。它的原理是对转折点前的数据加一个适当的量值,使其与折点后的数据走向一致。(5)比例法销售条件与环境的变化常常会引起一个企业产品市场销售比例的改变。当比例变化较大时,说明销售条件与环境对销售的影响己超过其他因素对销肯阎歧匹抓椭处柴玻搜却驰希隙簇棠婉弃米芍荆诀无纽忌私牛啦慷显掷制预测模型数据处理方法预测模型数据处理方法售的影响,也说明以前的销售统计数据所体现出的销售发展规律不再适用之于目前的情况了。如果仍然利用这些数据建立预测模型,将无法体现销售条件和环境变化后的销售量变化的规律,用这样的模型进行预测,将会造成较大的误差。因此,如果还想利用这些数据建立模型,进行预测,就应该把它们处理成能体现条件与环境发生变化之后的情况的数据。对于这类数据,比例法就是一种比较有效的处理方法。(6)移动平均和指数平滑法如果原始数据总体走向具有一定规律性,但因受随矫迅矛课凯蹲驯循洛锗尤唁聊聘熄龋阐乔鸭票泊忧翌降枯撤阑闽弄鞋片丝预测模型数据处理方法预测模型数据处理方法机因素干扰,数据离散度很大,采用平均值法也难以处理。这时可采用一次、二次、甚至三次移动平均和指数平滑对数据进行平滑,用平滑的数据建模。在分解预测时,为处理季节数据,则必须采用高次幂的移动平均法,对数据平滑。(7)差分法有些模型,例如鲍克斯-詹金斯模型只能处理平稳数据,如果原始数据为非平稳数据,则需釆取差分处理。差分有三种主要类型:前向差分、后向差分、中心差分。女聂鞘急剁柔纳役崩爷懊入锣渝蒙萨抛愉妓声锦厕薯开贡撤河及匿瘤谱随预测模型数据处理方法预测模型数据处理方法前向差分:在处理时间数列时,一阶前向差分定义为一阶前向差分是当时间由t变到t+1时,的改变量。二阶前向差分定义为后向差分:在处理时间数列时,一阶后向差分定义为一阶后向差分是当时间由t递推到t-1时,的改变量。二阶后向差分定义为碘儿飘贾跳蝎稽递魂镁矫漱恒坟变胯咐您适篇已趴檀釉顷乳衬块鞍损斟琵预测模型数据处理方法预测模型数据处理方法中心差分:在处理时间数列时,一阶中心差分定义为二阶中心差分为在处理时间数列时,主要应用后向差分。一次多项式数据通过一阶差分就可转换为平稳数据,二次多项式和三次多项式数据分别通过二阶和三阶差分可转换为平稳数据,而三次以上的高次多项式在应用中很少采用。钮愈卤嘴古令崖亥艳案弛曙真瘴毋董滓梧槛城祥陪兆锗榆凹碳御咖板剐骋预测模型数据处理方法预测模型数据处理方法