首页 理论教育优化后:时序模型简介

优化后:时序模型简介

【摘要】:对于数据量比较小或者提供的数据影响因素比较单一的预测,可以采用简单的时序模型预测法,比如线性回归、自回归、自回归滑动平均混合等。对实际中发生的平稳时间序列做恰当的描述,往往能够得到自回归、滑动平均或混合的模型,其阶数通常不超过二阶。

对于数据量比较小或者提供的数据影响因素比较单一的预测,可以采用简单的时序模型预测法,比如线性回归、自回归、自回归滑动平均混合等。

将预测对象按照时间序列排列起来,构成一个所谓的时间序列,从所构成的这一组时间序列过去的变化规律推断今后的可能性及变化趋势、变化规律,这就是时间序列预测法。对实际中发生的平稳时间序列做恰当的描述,往往能够得到自回归、滑动平均或混合的模型,其阶数通常不超过二阶。时间序列模型其实也是一种回归模型,属于定量预测,其基于的原理是,一方面承认事物发展的延续性,运用过去时间序列的数据进行统计分析就能推测事物的发展趋势;另一方面又充分考虑到偶然因素影响而产生的随机性,为了消除随机波动的影响,利用历史数据进行统计分析,并对数据进行适当的处理,进行趋势预测。优点是简单可行,便于掌握,能够充分利用原时间序列的各项数据,计算速度快,对模型参数有动态确定的能力,精度较好,采用组合的时间序列或者把时间序列和其他模型组合效果更好。缺点是不能反映事物的内在联系,不能分析两个因素的相关关系,常数的选择对数据平均程度影响较大,不宜取得太小,只适用于短期预测。对于一些比较老旧的设备、设施,因缺乏相关数据,可采用此预测模型。