简单时间序列平滑法
来源:互联网 发布:泉州师范软件学院 编辑:程序博客网 时间:2024/06/03 12:58
一、简单时间序列平滑法概述
所谓时间序列平滑预测是指用平均的方法,把时间序列中的随机波动剔除掉,使序列变得比较平滑,以反映出其基本轨迹,并结合一定的模型进行预测。所平均的范围可以是整个序列(整体平均数),也可以是序列中的一部分(局部平均数);
所用平均数可以是简单平均数,也可以是加权平均数。在一次平均之后,就局部平均而言,还可以进行第二次、第三次以至更多次的平均,进行多层次的平滑。
所以,平滑预测的方法也是多种多样的。
简单时间序列平滑法是指用简单平均数进行预测的一类预测方法。当给定一组数据或观测值后,这些数值的平均数的种类很多,常见的有算术平均数、几何平均数、调和平均数、加权算术平均数、移动平均数与指数平滑平均数等。这些平均数各有各的计算方法,各有各的特点与用途,在使用平均法进行预测时,首先要判断使用哪一种或哪几种能够满足需要,然后再根据相应的计算方法求之。
由于算术平均数、几何平均数、调和平均数、加权算术平均数的计算方法相对其余几种来说,比较简单,故常称这几种平均数的求法为“简单平均法”。
二、简单时间序列平滑方法的计算公式
简单时间序列法公式:
F(T+1)=(1 / N) * Σ X(I)
X(I)为时间序列的第I期的实际值
F(T+1)为预测值
N为平均的个数
T为预测的年份
注:时间序列周期数选3
例:1979、1980、1981年的销售额分别为2000、2100、2250,则1982年为(2000+2100+2250)/3
0 0
- 简单时间序列平滑法
- 时间序列分析--指数平滑法
- 时间序列-指数平滑
- 时间序列分析之一次指数平滑法
- 时间序列之指数平滑法(Exponential Smoothing)
- 时间序列分析之一次指数平滑法
- 时间序列分析之一次指数平滑法
- 时间序列挖掘-三次指数平滑法(Holt-Winters)
- 浅析时间序列分析之一次指数平滑法
- R语言与数据分析之七:时间序列简单指数平滑
- 指数平滑法——中短期时间序列分析预测法
- 时间序列挖掘-预测算法-三次指数平滑法(Holt-Winters)
- R语言与数据分析之八:时间序列--霍尔特指数平滑法
- 时间序列平滑法在产品产量预测中的应用(很好的文章!!!)
- 时间序列 R 08 指数平滑 Exponential smoothing
- R语言时间序列之数据平滑及预测
- 时间序列简单介绍
- 机器学习 数据挖掘 推荐系统 时间序列挖掘-预测算法-三次指数平滑法(Holt-Winters)
- 索引
- iOS开发多线程篇—NSOperation简单介绍
- ios8 xcode设置launchimage
- C#结构体的使用&&字符串数转二进制再按位比较
- 银行业务调度系统
- 简单时间序列平滑法
- iOS开发多线程篇—NSOperation基本操作
- 5.1.10 Populating Next Right Pointers in Each Node II
- __try,__except,__finally,__leave异常模型机制
- BZOJ 2021 Usaco2010 Jan Cheese Towers 动态规划
- java琐碎
- Android.mk 加载cpp文件的快捷方法
- IOS代码注释小结
- 46.输入一个整数取出偶数位,并按照原来的顺序输出