首页 理论教育移动平滑法优化方案

移动平滑法优化方案

【摘要】:移动平滑法就是对所取得的统计数据逐点推移,分段平均,以期最后得到一组具有较明显趋势的新数据。移动平滑法的预测程序框图见图9.2。图9.2移动平滑法的预测程序框图 某灌区历年人均林果产值见表9.3,试用移动平滑法建立预测模型,并求1999—2005年该灌区人均林果产值的预测值。图9.3人均林果产值的自然曲线及移动平滑预测曲线图由图9.3可知,对于直接用一次或二次移动平滑模型预测会出现滞后现象。

移动平滑法就是对所取得的统计数据逐点推移,分段平均,以期最后得到一组具有较明显趋势的新数据。平滑即将统计数据进行平均,消除部分起伏部分,以便分析事物的发展趋势。它不是按照时间序列各期的全部数据来描述趋势,而是根据各期之前的迹象几项数据的平均值来分析时间序列的趋势。为此,在实际应用中,常需要对原始数据进行一次、二次、三次(或多次)移动平均处理,使处理后的新数列能充分反映时间序列的趋势,然后由此建立预测模型,进行预测。当原始数据的时间序列具有线性趋势时,多采用这种方法。其步骤如下。

1.计算一次移动平均值

式中:为第t期的一次移动平均值;xt为原始数列;N为移动平均值的项数,或分段数。

利用一次移动平均值作预测量,将当作t期的预测值然后逐步向前推移,以求出任意期的预测值。

容易看出,移动平均值是将时间序列的数据逐项移动而平均的,仅首尾两数变化,中间各数据是依次向前推移的,因此,式(9.11)可变化为

2.计算二次移动平均值

若时间序列的各项数据经过一次移动平均后,仍不能充分反映时间序列的趋势时,可以在一次平均的基础上再求二次(或多次)移动平均值。

或写成:

式中:为第t期的二次移动平均值;其他符号意义同前。

3.建立预测模型

当二次移动平均值所得的数列线性趋势明显时,可将其序列中的最后几项作为直线,求出变化趋势,建立预测模型:

其中

式中:为第t+T期预测值;T为由t期算起的预测期数;t为目前的时期数,或为最后一个实测数据的序号。

由式(9.11)~式(9.14)可以看出,移动平均项数N值直接影响及其预测模型。因此,N值是移动平均法预测的重要参数,必须恰当选择。较准确的作法是选择若干个N值,进行试算比较,从中选择一个既能反映预测事件的变化趋势,灵敏度又高的值。在一般情况下,当时间序列数据波动较大时,N的取值应大一些,反之的取值可小一些,一般在3~10之间。

移动平滑法的预测程序框图见图9.2。

图9.2 移动平滑法的预测程序框图

【例9.3】 某灌区历年人均林果产值见表9.3,试用移动平滑法建立预测模型,并求1999—2005年该灌区人均林果产值的预测值。

表9.3 某灌区历年人均林果产值表

解:

(1)计算一次及二次移动平均值。已知t=15,取时段长N=5,根据式(9.11)计算…,于是

根据一次移动平均值,用式(9.13)计算…,于是

计算成果见表9.4。

表9.4 一次及二次移动平滑值计算表

(2)建立预测模型。根据表9.4中值计算at和bt值。

已知

t=15,N=5

由式(9.15)得到1999—2005年该灌区人均林果产值的预测模型为

由预测模型计算得1999—2005年灌区人均林果产值(预测值)见表9.5。

表9.5 1999—2005年灌区人均林果产值预测表

由表9.4和表9.5绘得人均林果产值的自然曲线及移动平滑预测曲线见图9.3。

图9.3 人均林果产值的自然曲线及移动平滑预测曲线图

由图9.3可知,对于直接用一次或二次移动平滑模型预测会出现滞后现象。