预测就餐次数的时间序列分析结果

2023-10-21 理论教育版权反馈

【摘要】：首先，利用线性平滑模型预测未来几个月的就餐次数，通过简单季节算法对预测人数进行修正。根据式和式对就餐次数做线性平滑模型预2.1.2利用简单季节法计算季节系数对于表2的就餐次数，利用6点滑动平均算法计算滑动平均值。

首先，利用线性平滑模型预测未来几个月的就餐次数，通过简单季节算法对预测人数进行修正。

2.1.1利用线性平滑模型预测就餐次数

表1　就餐次数和销售额表

pagenumber_ebook=34,pagenumber_book=28

2014年4月到2017年5月，就餐次数见表2。

根据式(10)和式(11)对就餐次数做线性平滑模型预

2.1.2　利用简单季节法计算季节系数

对于表2的就餐次数，利用6点滑动平均算法计算滑动平均值。为了便于季节系数取整，只采用2014年4月到2017年3月的数据，共计3年，36个月整。

6点滑动平均算法计算公式如下：测，计算出 aT、bT分别是

根据式(9)，可以预测出2017年6—12月的就餐次数，见表3。

表2　就餐次数

pagenumber_ebook=35,pagenumber_book=29

这样就得到2014年10月到2016年9月的滑动平均值，见表4。(www.chuimin.cn)

表4 滑动平均值数据去除表2 就餐次数中的数据，可得到相应月份的季节系数（百分比数值），然后把历年各月份的季节系数求平均值，得到该月份季节性指标，见表5。

各月份的季节性指标总和为1207，为了使得12个月的季节性指标之和刚好是1200，可对季节性指标进行调整，令

于是调整后的季节性指标见表6。

表3　时间序列平滑模型预测就餐人次

pagenumber_ebook=35,pagenumber_book=29

表4　滑动平均值

pagenumber_ebook=35,pagenumber_book=29

表5　季节系数和季节性指标表

pagenumber_ebook=35,pagenumber_book=29

表6　调整后的季节性指标

pagenumber_ebook=36,pagenumber_book=30

2.1.3　预测就餐次数

最后根据式(12)季节性预测模型，得到2017年6—12月的就餐次数，见表7。