季节性指数平滑法参数的优选

一、季节性指数平滑法 季节性指数平滑法是20世纪60年代初由温特(Winters)研究制定出来的一种较高级形式的指数平滑方法.这种方法最突出的优点是对具有趋势变动和季节变动两种因素的时间数列,分别对每种因素进行指数平滑,然后将各种因素的平滑结果结合起来,对原时间数列进行预测.这就扩大了指数平滑方法的应用范围,提高了对兼有趋势和季节变动两种因素时间数列预测的准确性.     

基准动态指数平滑的预测模型

指数平滑法在实际应用中,由于其平滑参数和初值是静态的且主要靠使用者的经验来选择,极易导致系统偏差问题,因此,预测结果往往不够理想。本文在对传统指数平滑预测方法局限性分析的基础上,引出准动态平滑参数和准动态平滑初值的概念,并提出一种能自动适应预测进程的新模型。先依据统计学原理对指数平滑预测模型的精度特性进行分析;再以最小预测误差平方和(SSE)为优化目标,建立准动态指数平滑参数和初值的动态优化模型,该模型能随着新观测值的加入而自动调整;最后,基于最速梯度法基本原理,给出该优化模型的一个可行求解方法,客观地求取最优的准动态指数平滑参数和初值。将该模型作为关键技术应用到加工质量预测补偿控制领域,并与时序AR模型、灰色GM模型及传统指数平滑模型的结果进行对比,表明本文方法具有一定的优越性。     

指数平滑法预测信息业实例分析

随着信息产业的迅速崛起,其研究方法日益丰富多彩,特别是相关学科的交叉和渗透,数理方法在这里得到长足应用。诸如在信息产业的投入产出、规模结构、信息化水平和前景预测等方面,自２０世纪８０年代中期以来,陆续出现了一些量化研究的范例。本文试以勃朗三次指数平滑方法对河北省信息产业规模结构进行预测分析。 一、指数平滑法的模型特点 指数平滑法属趋势外推预测,它的数学特性是历史统计数据的大致平滑,是趋势外延。也就是说,它假定过去的发展规律还将继续进行下去。指数平滑又是一种自适应的数学模型,分为一次指数平滑、二次指…     

运用指数平滑法建立指数曲线趋势模型之探讨

文章应用指数平滑原理,以不同的平滑方式建立起指数曲线趋势模型,并与其它时间序列预测 法相比较,分析其优点。     

统计预测中的指数平滑法

运用最小平方法求出时间数列的趋势线进行预测时,时间数列所反映的过去各个时间的经济信息都是相等地影响预测值的。它不能正确地反映近期的经济信息要比远期的经济信息影响趋势变化重要得多的客观事实。在预测中如何正确处理这个问题呢?一般是采用合理的加权法,即对过去的近期数据比对远期数据给以较大的权数。指数平滑法就是目前普遍应用的一种趋势预测法。现就指数平滑法的由来、计算方法和应用介绍如下:     

怎样推导指数平滑法预测模型的参数计算公式

指数平滑法是较为常用的一种趋势预测方法.但令人遗憾的是,有些统计学著作在介绍指数平滑法的参数推导过程时,往往过于简单,且前提条件不够充分.本文将给出有关指数平滑法多项式预测模型的参数计算公式以及这一公式的证明.设指数平滑法多项式预测模型为:     

经济预测中的指数平滑法

指数平滑法是回归分析和时间序列相结合的一种预测方法。华伯泉同志在《统计研究》1986年第2期中介绍了这种方法,但没有解决平滑常数和初始统计量的合理确定问题,也没有提到模型和实际数据是否适合的检验问题;并且以普通回归方程中y的预测区间代替指数平滑法中Z的预测区间,这是不合适的。本文试图解决这些问题,并研究K个观测值总和的预测区间。 -、以时间为独立变量的回归模型 设Z_(n j)表示在时间n j的观测值,考虑如下形式的模型:     

Excel变量与三次指数平滑模拟预测方法

指数平滑法是对预测对象的全部历史序列数据,通过加权平均从而进行预测的一种方法.在进行指数平滑预测时一般要通过对加权系数α取不同的值,经过多次模拟运算并比较预测误差,从而选择适当的预测结果.然而,当采用二次或三次指数平滑模型,进行预测分析时,由于计算公式较为复杂,模拟运算过程参数的改变就非常繁琐.本文以我国肉类产量三次指数平滑预测为例,利用Excel变量和工作表相结合,建立数据、图表间的链接关系,从而实现了方便、快捷的模拟运算预测分析.     

EXCEL97在统计预测中的应用

本文介绍了ＥＸＣＥＬ９７在移动平均预测、指数平滑预测和回归分析预测中的应用。     

指数平滑预测公式与平滑系数

文章探讨了使用不同的平滑预测公式会有不同的最佳平滑系数的问题，提出了一种预测误差更小、适用范围更广又更加简单的指数平滑短中期预测公式，并提出直接平滑系数和间接平滑系数的概念，推导出计算最佳间接平滑系数的近似计算公式。     

平滑常数的作用及其选择

用指数平滑法进行预测时,首先要选择平滑常数a。选择是否合适,直接影响到预测效果,而它的选择比较困难。因为a的取值范围是[0,1],可是在[0,1]之间能够取无穷多个值,那么,怎样选择一个合适的数值呢? 首先要理解指数平滑法的原理,平滑常数的作用,以及为什么能起这样的作用。     

隐含在Excel中的统计预测方法研究—简单移动平均法和指数平滑法的Excel中的处理

本文以目前普遍使用的Excel软件为计算工具，对隐含在Excel中的统计预测方法进行挖掘使用，并以简单移动平均法和指数平滑法为例，阐述了这两种方法用Excel处理预测过程。     

指数平滑模型功能分析

指数平滑模型功能分析黄泽荣，许刘俊几种指数平滑模型的功能指数平滑模型有一次，二次，更高次之分，其共同点是利用全部观测资料的信息，在平滑的基础上进行外推预测。但不同的指数平滑模型的适用背景有明显的差异。一次指数平滑模型适用条件是观测数据没有明显的上升或...     

系统安全数据预测方法综述

据不完全统计,现有的各类预测方法达300种之多,而通常用于系统安全数据预测的方法主要有回归分析法、德尔菲法、趋势外推法、马尔可夫预测、齐次泊松过程模型、指数平滑线、残差辩识法、模型法和灰色预测法等。这些预测方法可分成3类:前5种是统计型的;指数平滑与残差辩识属递推型;灰色预测与模型法则属于连续型。现就这几种预测方法作一简要评述。一、统计型的预测方法1、回归分析法这是一种传统的分析、预测方法,长期以来作为一种经典方法而广泛应用,且种类较多。在系统安全数据的预测上,目前运用较多的为单元线性回归和单元指数回归。由于…     

论平滑系数的优选

指数平滑法是由移动平均法发展而来的,并得到广泛接受的一种传统的时间序列预测法,它的主要优点是对于给定的时间序列观察值以不同的加权,体现了近期信息比远期信息更重要。但使用指数平滑法最困难之处在于平滑系数α的选取,以往α的选取是凭经验,或反复试验而得。 笔者认为,指数平滑法的平滑系数采用0.618法作优选,能取得较好的效果,能较     

几种时间序列分析方法的比较与应用

一、几种时间序列分析方法的简单比较时间序列分析技术是通过对预测目标自身时间序列的处理,来研究其变化趋势的方法。本文把时间序列预测技术大致分成三个方面,即:"确定性时序分析法"、"随机(非确定性)性时序分析法"及"确定性加随机性时序组合模型分析法"。确定性时序分析法主要有:①移动平均法、②指数平滑法、③时间回归法和④季节周期预测法等。确定性时序分析法能够刻画序列的主要趋势,且直观、简单、     

霍尔特指数平滑法参数的优选

霍尔特指数平滑方法有是一种高级的指数平滑方法,它有二个基本平滑公式和一个预测公式。霍尔特指数平滑方法进行预测时,最重要、而且最因难的工作是确定平滑参数的取值问题。目前,在有关参考文献中均未见到相关问题的论述。本文偿试使用运筹学的方法解决平滑参数的优选问题。为霍尔特指数平滑方法在实际中的应用提供一种有效的途径。     

数学模型预测法的准确性与适应性问题

数学模型预测法的准确性与适应性问题一、统计预测杨型和预测方法统计预测模型主要有六种：固定平均数模型、移动平均数模型、长期趋势模型、周期性变动模型、回归模型和随机模型．根据预测模型又分：直观法、最小平方法、折扣最小平方法、指数平滑法和三点法。按照预测的...     

股市量化投资策略与实证检验

文章通过多个反映市场动态的因子模型,构造出可以根据市场变动做出自适应调整的平滑系数,建立了看涨和看跌市场动态自适应指数平滑模型,并且给出了基于模型的量化投资策略.以沪深300指数为样本,使用Bootstrap方法和ARCH族模型进行实证检验,从均值差异、流动性和信息不对称等角度分析市场动态自适应指数平滑模型投资策略对于股票市场收益率的预测能力.检验结果证明了策略具有较强的预测能力和对市场变化的适应能力.     

FAR(p)与指数平滑的组合预测算法

一、引言 梅炽、姚俊峰等在<粗铜冶炼中铜铳品位的动态预测模式>一文中(见中南工业大学学报,2000,31(1):34-36)和邵义元在一文中(见鄂州大学学报,2002,9(4):38-39)提出了一种对铜统品位进行预测的方法,即以采集的现场数据为基础,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型.并将两种模型按最小二乘原理,以组合预测误差平方和为目标函数,通过使误差平方和极小化来确定两种预测方法的最优加权系数,建立一种新的组合模型,其预测误差最小.结果表明,在当时数据下,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高.本文在此基础上,对AR(p)与指数平滑组合预测模型做了改进,将AR(p)模型中的时间序列模糊化,便成为模糊时间序列,进而建立模糊时间序列AR(p)模型,即FAR(p)模型.从而提出一种新的组合预测模型--FAR(p)与指数平滑组合预测模型.最后将两种组合模型用于预测油田产油量,结果表明,FAR(p)与指数平滑组合预测模型比AR(p)与指数平滑组合预测模型有更高的预测精度.