文档介绍:第六章 自适应过滤法
第一节 自适应过滤法概述
第二节 自适应过滤法的应用
第三节 电子计算机在自适应
过滤法中的应用(略)
其中, 代表调整后第i 期的权数; 代表调整前第i
期的权数;k 代表调整系数,也称学****常数; xt-i+1代
表第t-i+1 期的观察值; 代表第t+1期
的预测误差。
第一节 自适应过滤法概述
一、自适应过滤法的基本原理
运用自适应过滤法调整权数的计算公式为:
二、自适应过滤法的计算步骤
确定加权平均的权数个数
确定初始权数
计算预测值
计算预测误差
权数调整
进行迭代调整
三、自适应过滤法的优点及应用准则
优点:方法简单易行,可采用标准程序上机运算;需要的数据量较少;约束条件较少;具有自适应性,它能自动调整权数,是一种可变系数模型。
应用准则:主要适用于水平数据,对有线性趋势的数据可应用差分方法来消除数据趋势。当数据波动较大时,在调整权数之前,对原始数据值做标准化处理可加快调整速度,使权数迅速收敛于“最佳”的一组权数,并可使学****常数的最佳值近似于1/p。
第二节 自适应过滤法的应用
一、自适应过滤法的实际应用
假设某商品最近5年的销售额资料如下:
利用自适应过滤法预测2012、2013年该商品的销售额。
一、自适应过滤法的实际应用
本例中,取p = 2,可得初始权数:
= = = =
学****常数:
= = 2
在此,我们取k = 2。
根据已知数据,计算t=2时t+1期的预测值:
(1) =44
(2) = 48-44=4
(3) 根据 = 调整权数:
=+2× 2×4×45=
=+2× 2×4×43=
第二节 自适应过滤法的应用
一、自适应过滤法的实际应用
步骤(1)~(3)即是一次迭代调整,然后用新的权数计算t=3时t+1期的预测值:
(1) =53
(2) =50-53 = -3
(3) =+2× 2×(-3)×48=
=+2××(-3)×45=
再利用上述新的权数计算t=4时t+1期的预测值。
一、自适应过滤法的实际应用
由于没有t=6期的原始数据来计算t=5时et+1的值,此时第一轮的调整就此结束。现在把新的权数作为新的初始权数,重新开始新一轮t=2的预测过程。
……
反复迭代下去,直到预测误差没有明显改善时,就认为获得了一组最佳权数,能实际用来预测2012、2013年的销售额。
本例在调整过程中经过五轮迭代可使误差降为零(四舍五入),而权数达到稳定不变,最后得到的最佳权数为:
=, =
因此,可计算得到预测值:
=×53+×50=56 (百万元)
=×56+×53=59 (百万元)
该商品在2012和2013年的销售额分别为56和59百万元。