动态三次指数平滑法及应用实例

传统的指数模型多用于处理线性趋势的时间序列,本文在此基础上建立了可以处理非线性时间序列数据的动态三次指数平滑模型。以拟合值与源数据误差的平方和为评价指标,通过使得该指标最小来计算最优时间序列系数,建立三次动态指数平滑模型。评价指标类似于评价函数,对模型自动评价,从而提高模型的适应能力,提高模型的计算精度。通过对实际时间序列的分析,进一步证明通过误差评价指标评价的方法建立的动态指数平滑可以降低误差,使预测更加精确。     

自适应动态三次指数平滑法在交通预测中的应用

针对传统三次指数平滑法预测模型中平滑系数固定不变、难以跟踪时间序列随时间变化的因素、无法反应不同时间段历史数据对预测结果的影响等缺点,提出了一种改进的动态三次指数平滑法.该方法通过误差平方、最小原则和地毯式搜索算法来获得动态调整的平滑因子,对波动范围较大且呈非线性变化规律的数据有很强的适应性.将自适应动态三次指数平滑法与SARIMA模型、三次指数平滑法进行对比,由铁路旅客发送量的仿真实例分析结果可知,自适应动态三次指数平滑法能更好地适应时间序列的变化趋势,具有良好的预测精度.     

生态环境数据预测方法研究

大规模生态环境数据的处理和统计分析为环境保护和预测提供重要依据,其分析和预测方法成为数据处理的研究重点。在对海量生态环境数据的分类整理和综合处理基础上,基于时间序列的指数平滑法建立了一种动态二次指数生态环境数据预测模型。该模型针对生态环境的实时变化特征,利用二次指数平滑方法实现了静态参数的动态优化处理。以云南大理生态环境数据为样本,通过实验仿真测试和模型分析,结果验证了该模型的适用性和准确性。     

粗铜冶炼中铜锍品位的动态预测模式 —AR（p）与指数平滑最优组合法

提出了一种对铜锍品位进行预测的新方法 ,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 .AR(p)模型要求数据对象是平稳时间序列 ,而三次指数平滑模型的数据对象具有随机性 ,考虑到铜锍品位的波动性 ,将 2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 2种预测方法的最优加权系数 ,建立了一种新的组合模型 ,其预测误差最小 .结果表明 ,在当时数据条件下 ,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 ,这对指导生产具有实用意义 .     

基于时间序列分析的负荷预测方法的比较研究

电力系统负荷预测是电力系统规划和经济运行的基础.趋势移动平均方法和指数平滑方法可以对区域内不同种类负荷时间序列建模,趋势移动平均方法是对负荷时间序列历史数据进行处理,建立趋势分量以及季节分量模型,对残差进行平稳性检验后建立ARMA模型;指数平滑方法是建立Holt-Winter季节乘法模型.Eviews、Excel等软件可获得负荷未来值,并对模型预测功能进行评价,分析两种时间序列方法的差异性,结果表明采用时间序列分析的方法可以取得较好的预测效果.     

指数平滑结合条件Markov预测模型研究——基于新疆货运量预测

建立了一个时间序列预测模型。以三次指数平滑模型为基本预测模型,并基于马尔科夫链定义了误差修正模型--条件马尔科夫链。条件马尔科夫链的特点在于将传统马尔科夫链中的一步状态转移概率矩阵变成条件一步状态转移概率矩阵,即在条件马尔科夫链的状态转移概率矩阵中,每个元素的意义为:在已知t-1时刻的状态下,t时刻的状态转向t+1时刻状态的概率:即P{(E_t→E_(t+1))/E_(t-1)}。在文章中以新疆货运量为实验对象,通过对新疆货运量这一指标用三次指数平滑模型,用三次指数平滑模型结合马尔科夫链和三次指数平滑模型结合条件马尔科夫链三个模型进行预测,结果显示,经过条件马尔科夫链修正后的预测结果误差最小,证明文中模型可以有效提高预测精度。     

PM2.5的时间分布与演变扩散研究

最初利用时间序列——指数平滑法来分析PM2.5的时间分布情况.考虑到在分析过程中不确定PM2.5与时间之间存在怎样的关系,所以分别建立了一次、二次及三次指数平滑模型,通过对比分析最终确定PM2.5与时间的具体关系.为了更好的控制和治理PM2.5污染物,则需要对其扩散规律进行分析,基于此,本文建立了基于高斯扩散模型的PM2.5污染物扩散模型,建模过程中,首先建立了大气稳定状态下的基本模型,然后在此基础上又进一步建立了能够反映风速、温度以及湿度对PM2.5扩散产生影响的基本模型,具有一定的适用性.     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

基于遗传模拟退火三次指数平滑模型的中药材价格预测研究

目的基于遗传算法与模拟退火算法相结合建立新的平滑指数模型,以亳州中药白芍为例对亳州中药材价格进行预测和实证分析。首先利用遗传算法对种群进行优化,通过基因的遗传、选择、交叉和变异逐渐产生近似最佳解,在利用模拟退火算法对其进行修正,得到最佳平滑参数值,建立新的指数平滑模型,运用建立的遗传模拟退火三次指数平滑模型对亳州白芍的价格进行预测。结果表明对于中药材价格随着时间的推移,价格具有非线性等因素,通过遗传模拟退火方法可以得到最佳的平滑参数值,为指数平滑预测的价格与实际价格相差较小,说明建立的遗传模拟退火三次指数平滑模型具有一定的准确性。遗传模拟退火三次指数平滑模型适合药材价格的预测,能够为市场和政府部门对市场的中药材价格调控起到的决策指导作用。     

基于三次指数平滑法的沪牌拍卖月均价预测

随着人们生活水平的提高以及国内外人才向上海的大量涌入,上海车牌拍卖竞争越发激烈,因此对拍牌成交月均价的短期预测具有较高的现实意义.通过对投放数量、投标人数、历史数据等影响因素与成交月均价进行相关性分析发现,利用历史数据进行短期预测最为有效.据此,基于传统的三次指数平滑法和动态三次指数平滑法,利用2016年1~10月上海车牌拍卖成交月均价的历史数据,预测了2016年11月和12月沪牌拍卖成交月均价.同时,通过对预测误差进行分析得到动态三次指数平滑法要优于三次指数平滑法.从而得出,基于动态三次指数平滑法,利用历史数据对车牌月均价进行短期预测,能为车牌拍卖出价提供有效指导.     

基于神经网络和时间序列的河南省老年人口系数的预测

基于河南统计年鉴2001—2013年老年人口系数的数据,利用BP神经网络模型对河南省老龄化指标进行预测,训练效果不理想.因此采用时间序列二次指数平滑法对老年人口系数进行预测,预测结果的相对误差均值为4.97%.为了更加精准地预测老年人口系数,采用时间序列和BP神经网络结合的模型对其进行预测,此方法解决了老年人口系数的非线性的映射关系,预测结果的相对误差基本控制在1%左右,因此这个模型是最优的,更加适合预测河南省老年人口系数.预测结果表明河南省人口老龄化趋势是逐渐上升的.     

基于三次指数平滑的云南学龄儿童人数预测研究

构建科学、准确的学龄儿童人数预测模型,对合理规划小学学校数量,制定小学教师招聘计划,制定人口政策具有一定的参考价值。根据预测误差平方和最小原则,利用Matlab循环语句命令编程,设定平滑系数α的一个精度,从0α1的所有值中选择最优α,研究发现利用该法建立的三次指数平滑模型在学龄儿童人数预测方面有较好的预测效果;在此基础上利用马尔科夫预测法,对三次指数平滑模型预测结果进行修正,弥补了因随机波动性导致的预测误差偏大的情形;通过对这两个模型预测结果的对比分析,表明三次指数平滑-马尔科夫模型的预测效果比单独利用三次指数平滑模型的效果有较大改善。     

对NWS中资源性能预报算法的一个改进

提出一种新的预报算法——动态指数平滑算法, 该算法 是对传统的指数平滑算法的改进. 为了使指数平滑算法能够更好地适应NWS系统对精确度和系统开销的要求, 增加了对参数的调整. 但这种调整不同于已有的参数调整算法, 并且在时间复杂性、 空间复杂性和预报准确性方面均得到了有效的提高. 通过实验和比较, 本算法更适用于NWS中的时间序列以及有着相似统计学特性的时间序列.     

Application of uncertainty reasoning based on cloud model in time series prediction

Time series prediction has been successfully used in several application areas, such as meteoro-logical forecasting, market prediction, network traffic forecasting, etc. , and a number of techniques have been developed for modeling and predicting time series. In the traditional exponential smoothing method, a fixed weight is assigned to data history, and the trend changes of time series are ignored. In this paper, an uncertainty reasoning method, based on cloud model, is employed in time series prediction, which uses cloud logic controller to adjust the smoothing coefficient of the simple exponential smoothing method dynamically to fit the current trend of the time series. The validity of this solution was proved by experiments on various data sets.     

一类推广的指数平滑优化模型性质及算法的研究

在原二次指数平滑模型的基础上 ,提出了一种带有动态平滑参数的指数平滑优化模型 ,包括差分 指数平滑模型 ;通过引入动态参数 ,建立了不需选取平滑初值的新模型 ;采用Fibonacci算法优选并自动生成平滑参数使模型得以优化 .从而较完整地解决了指数平滑预测中 ,平滑参数靠经验确定且为静态、平滑初值难以确定并易导致预测偏差等问题 .     

改进的季节性指数平滑法预测空调负荷分析

根据空调日总负荷和日平均气温之间的较强相关性,对经典的季节性指数平滑法预测模型中的水平因子项进行修正,并去掉趋势因子项,得到了改进的季节性指数平滑预测模型.以上海某医学中心空调系统作为该空调负荷预测模型的应用实例,在整个预测期内模型平均预测误差为8.8%.这表明改进的季节性指数平滑法适合于办公类建筑空调负荷的预测.     

GM(1,1)模型背景值构造的不同方法与应用

GM(1,1)模型的误差主要来源于背景值和初始值,因此提出3种不同的背景值构造方法分别为:把背景值的固定权改为变权构造背景值的方法、将数据序列抽象为指数函数构造背景值的方法、将数据序列抽象为非齐次指数函数构造背景值的方法,并以X(n)为初始值和新陈代谢方法来建立GM(1,1)模型.通过工程实例检验这3种不同背景值构造方法建立的GM(1,1)模型的预测精度.计算结果表明,将数据序列抽象为非齐次指数函数构造背景值建立的模型预测精度较高,可为类似工程提供参考.     

指数平滑技术在重庆市煤炭需求预测中的应用

指数平滑技术是进行预测决策的有效方法．以实际数据为基础，结合重庆市近年来煤炭实际消耗量数据的特点（具线性趋势），建立了重庆市煤炭需求量的趋势型二次指数平滑模型，并研究了指数平滑模型在重庆市煤炭需求预测中的应用．结果表明，预测值与实际消耗量之间的误差很小，说明此模型可很好地应用于煤炭需求的中短期预测，为重庆市能源决策提供可靠的依据．