指数平滑预测法研究新结果

指数平滑预测法研究新结果合肥经济技术学院汪琥庭指数平滑预测法，由于具有简单易懂、计算和存储费用低廉、模型分量和参数对使用者具有较直观的含义等优点，因而近年来在我国的许多研究领域获得了广泛的应用。“预测方法和技术的应用研究”课题组的一项研究表明，在各种...     

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…     

基于初值修正的组合GM(1,1)模型及其应用

灰色GM(1,1)模型的拟合和预测精度依赖于其结构参数.文章从传统GM(1,1)模型的初值选取入手分析其存在的理论缺陷,通过两种初值修正方法建立改进的GM(1,1)模型,摒弃与系统关系不大的老信息,充分利用新信息来建模,从而达到精确预测的目的.在此基础上建立两种初值修正GM(1,1)模型的组合预测模型,提高了模型的拟合和预测精度。     

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。     

改进的初值和背景值优化的MGM(1,m)模型及应用

针对传统的MGM(1,m)模型存在模拟精度和预测精度不高的问题,文章给出了改进的初值和背景值优化的MGM(1,m)模型。在模型初值的选取上,选取使得模拟值的平均相对误差达到最小的向量X(1)(i)作为初值;在模型背景值的构造上,提出结合辛普森3/8公式的动态序列模型来求解背景值的方法。最后以两组指数型数据序列为例建立了传统MGM(1,2)模型及改进后的模型,并进行数据模拟和预测。结果表明,改进后的MGM(1,m)模型的模拟精度和预测精度均有显著地提高,从而验证了模型的有效性和可行性。     

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…     

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.     

中国社会消费品零售总额的预测分析

文章以我国1990 ～ 2010年的社会消费品零售总额的数据为样本建立指数平滑法模型,并利用该模型对2011～2013年进行预测分析,通过分析发现该模型预测误差很小,拟合效果能达到预期的目的.预测结果表明2011 ～ 2013年我国社会消费品零售总额总体上将持续增长,这反映了消费品市场在快速发展中的连续性和稳定性,可以为政府的宏观决策提供依据.     

基于成分数据动态指数平滑的用户需求变化趋势预测模型

用户需求是产品开发的重要前提,而用户需求是动态变化的,现实中人们又很少去关注用户需求的变化,导致企业开发的产品很难满足用户的实际需求,产品的功能或性能会产生冗余或不足现象.针对这一问题,文章提出基于卡诺模型和动态指数平滑的用户需求变化趋势预测模型.首先把卡诺模型应用在用户需求信息的分类上,然后结合成分数据分析,采用优化的动态指数平滑预测法,建立了用户需求变化趋势预测模型,最后仿真实例验证了所提理论与方法的正确性和有效性.     

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:     

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...     

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。     

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:     

线性时变参数DGM(1,1)变权组合预测模型

文章为了提高统计组合预测的拟舍和预测精度,根据线性时变参数离散灰色预测模型的初值优化方法,给出了几个线性时变参数DGM(1,1)模型作为单项预测模型,进一步利用这些单项预测模型建立了一类变权线性时变参数组合预测方法.最后,将变权重线性时变参数组合预测方法应用于新疆生产建设兵团城镇化发展水平的组合预测,实例结果表明变权重线性时变参数组合预测方法具有较高的拟合精度.     

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.     

适用于大数据集的广义可加模型

通常情况下,对用电量进行预测的问题可以采用广义可加模型(GAM),但当数据集很大时,在计算机上实现起来就非常困难,甚至是不可行的.因此,本文给出了大数据集下实用的广义可加模型拟合方法,模型中的平滑项用惩罚回归样条函数来表示.只需保证在任何时候模型矩阵的子矩阵可以在计算机上实现,该方法就可以通过迭代更新的方式得到模型矩阵的因子.本文研究证明,该方法可以有效地对平滑参数进行估计.当有新数据加入时,用电量预测模型需要不断地拟合更新,并且需要对新的用电量数据序列的自相关性进行处理.本文给出了处理这些问题的方法,以及在计算机上的实现过程.该方法可以实现使用一般的中型计算机来处理大数据集的广义可加模型的估计问题.最后,对法国用电量预测的实证研究表明,降秩样条平滑方法也能够很好地处理复杂的模型问题.     

对背景值和灰导数同时优化的新GM(1,1)模型

文章在现有的对灰色模型的背景值,灰导数的单独优化方法基础上,提出了对背景值和灰导数同时作用的优化方法,结合迭代的方法建立新模型;从理论上严格论证了新模型对标准指数序列而言具有白化指数律重合性;通过来源于生产实际的数据验证了新模型相对于原始模型、单独优化灰导数模型、单独优化背景值模型,都具有更优的模拟精度和预测精度。     

基于惩罚最小二乘估计的长期用电量半参数预测模型

文章针对惩罚最小二乘估计的高精度特性,构建了基于惩罚最小二乘估计的半参数回归模型。并将指数平滑思想融入模型,对模型的误差序列进行趋势外推与大幅度外延预测。实证结果表明了所提方法的有效性。     

基于核机器的加速失效时间模型及其应用

加速失效时间模型是一种应用广泛的生存分析模型。本文借助LASSO惩罚剔除冗余预测变量,构建基于核机器的加速失效时间模型,用以刻画预测变量与生存期间的复杂关系。此外,提出一种新的正则化Garrotized核机器估计方法,可以较好地刻画预测变量与生存期潜在的非线性关系,实现非参数分量中预测变量间交互作用的自动建模,提升模型预测精度。模拟研究表明,与已有的代表性方法相比,本文提出的方法对生存期的预测精度更高,特别是在复杂关系情形下优势更为显著。最后,将该方法应用于胃癌数据分析,利用临床信息和基因表达预测生存期和风险评分。实证结果显示,该方法能为病例基于风险分层的临床精准诊疗方案设计提供有益的参考。     

GM(1,1)模型的改进与应用

文章提出了一种增加扰动因素β来修正初值x(1)(n),采用最小二乘原则来建立无约束优化模型的方法来提高GM模型的精度,使所建的模型的精度大为提高。通过具体的实例验证了模型比传统GM(1,1)模型有更高的精度和适应性,并利用这种方法对全国2008～2010年GDP总量进行了预测。