時間序列預測技術

時間序列預測技術(time series forecasting technique)依據時間序列進行預測的方法.所謂時間序列指的是通過觀測所得到的離散時間觀測點上的系列數據，通常可用yl,y2,...,y，或{y}}表示. 時間序列預測技術根據事物演化先後狀態間的相關聯繫可以來預測該事物的未來發展.具體方法主要有移動平均法、指數平滑法和季節(周期)性模型等. 移動平均法是對一時間序列取其最近若干個數據，求取其加權平均值，作為對未來的預測值.為了避免其上升或下降趨勢帶來的偏離，可以用二階移動平均.亦即利用一次移動平均法所得到的數據序列，再進行一次移動平均計算.類似還可推廣至三階、四階，乃至高階的移動平均.指數平滑法引入指數式的平滑係數進行移動，平滑係數反映其對歷史數據重要性的修正，取值於「o,i]之間一次指數平滑法一般適用於水平型數據，類似地也有二階指數平滑法等.此外，還有季節(周期)性模型，又稱為Winter模型，適用於對具有周期性的數據序列進行預測，它考慮了季節性周期長度及水平.採用周期性、趨勢性平滑常數，可以較好地對周期性時間序列進行預測.