文档介绍：成绩
浙江大学
课程论文
( 秋季学期)
论文题目:基于少量历史数据预测方法选择与优化
课程名称: 水资源系统分析与理论应用
基于少量历史数据的预测方法选择和优化
摘要:预测是指对未来不确定事件的推断和测定,是研究未来不确定事件的理性表述,是对事物未来发展变化的趋势,以及对人们从事活动所产生后果而做的估计和测定。按性质可以将预测分为定性预测和定量预测两大类。本课程论文主要介绍传统的时间序列分析技术,以及采用灰色预测模型在Matlab编程实现,最后对结果进行比较,确定较好的方法。
关键字:预测移动平均指数平滑回归分析灰色预测
引言:定量预测方法有时间序列分析预测技术(Time Series Analysis Technique)和因果预测两种,时间系列预测技术有简单移动平均法、加权移动平均法、指数平滑法、线性回归分析法和时间序列分解法等,因果预测是线性回归的因果模型。时间序列分析预测技术是给予这样一种观念:与过去需求相关的额历史数据可以用来预测未来的需求。曾历史数据可以分析出影响需求的一些因素,时间序列分析技术可以用来对成产及库存管理做预测。因果预测是基于这样一种理念:某些因素之间存在着相互影响的关系。
用于数据预测的方法
现在有一现实问题,已知河南省2000年到2007年民用汽车数量统计表
单位: 万量
年份
2000
2001
2002
2003
2004
2005
2006
2007
数量
要求预测以后几年的河南省的民用汽车需求量,先利用EXCEL做出其曲线
预测的定量方法是根据历史数据并假定将来是过去的函数,从而外推至未来所获得的预测结果,定量的预测方法需要基于时间的历史数据,需要找出影响需求预测的各相关因素。将需求预测的数据画成一条曲线。除了需求的平均值外通常可以将影响预测的因素分为以下几个:1需求的周期性(cyclical),即历史数据每隔一定周期重复发生的时间序列形式;2趋势性(trend),是数据在一定时间内呈现向上或向下的趋势;3季节性(seasonal),考虑到数据存在季节性的影响4随机性(random),是有偶然、非正常原因引起的数据变动。这几个因素中,周期性的因素、趋势性因素和季节性因素都是有规律可循的,唯随机性因素毫无规律,最难预测。简单移动平均法、加权移动平均法和指数平滑法这三种时间序列预测技术均不考虑季节和趋势的因素,只考录影响需求的随即因素。本题中情况可以认为只有随机因素影响,并且以前六个数据为输入后两个为检验来作比较。
移动平均法
在所有定量预测方法中,简单移动平均法是最简单的一种方法。简单移动平均法是利用某段时间的实际需求求平均作为未来后续时段的预测值,它采用对产品需求的历史数据点分段移动的方法,当产品需求既不快速增长也不快速下降,且不存在季节性因素时,移动平均法能有效地消除预测的随即波动,此时,简单移动平均法是一个令人满意的方法。应用简单移动平均法进行预测时,首先应确