介绍一下实现建模中可能用到的时间序列预测之线性二次移动平均,Excel的简单操作
文章目录
- 一、线性移动平均法是什么？
- 1 .主要特点
- 2.不足
- 3.计算公式
- 二、操作步骤
- 1. 准备数据
- 2. 进行第一次移动平均
- 3. 在第一次移动平均的基础上进行二次移动平均
- 4. 代入公式进行预测
- 三 总结
一、线性移动平均法是什么？
二次移动平均法是对时间序列平均值再进行第二次移动平均，利用第一次移动平均值和第二次移动平均值构成时间序列的最后一个数据为依据建立线性模型进行预测。
1 .主要特点
移动平均对原序列有修匀或平滑的作用，使得原序列的上下波动被削弱了，而且平均的时距项数N越大，对数列的修匀作用越强。
移动平均的项数不宜过大。
2.不足
- 加大移动平均法的期数（即加大n值）会使平滑波动效果更好，但会使预测值对数据实际变动更不敏感；
- 移动平均法要由大量的过去数据的记录；
3.计算公式
St1=Yt+Yy−1+....+Yt−n+1nS_t^1=\dfrac{Y_t+Y_y-_1+....+Y_t-_n+_1}{n}St1=nYt+Yy−1+....+Yt−n+1
St2=St1+St−11+.....St−n+11nS_t^2=\dfrac{S_t^1+S_t-_1^1+.....S_t-_n+_1^1}{n}St2=nSt1+St−11+.....St−n+11
Ft+T=at+btTF_t+_T=a_t+b_tTFt+T=at+btT
at=2St1−St2a_t=2S_t^1-S_t^2at=2St1−St2
bt=2n−1(St1−St2)b_t=\dfrac{2}{n-1}(S_t^1-S_t^2)bt=n−12(St1−St2)
其中 ：
St1S_t^1St1是第一次平均移动的值
St2S_t^2St2是第二次平均移动的值
二、操作步骤
1. 准备数据
我们引入年份-供水量数据，如图2.1所示，
2. 进行第一次移动平均
具体操作如图2.2所示。PS:注意输出区域的位置。
得出的结果如图2.3所示
3. 在第一次移动平均的基础上进行二次移动平均
如图2.4所示操作，间隔仍然选择3，
得出的结果如图2.5所示
4. 代入公式进行预测
前面我们有公式：
Ft+T=at+btTF_t+_T=a_t+b_tTFt+T=at+btT
at=2St1−St2a_t=2S_t^1-S_t^2at=2St1−St2
bt=2n−1(St1−St2)b_t=\dfrac{2}{n-1}(S_t^1-S_t^2)bt=n−12(St1−St2)
假设我们要预测2022年的供水量，那么就可以把数据代入公式
at=2∗19274.33−18669.67a_t=2*19274.33-18669.67at=2∗19274.33−18669.67
bt=23−1(19274.33−18669.67)b_t=\dfrac{2}{3-1}(19274.33-18669.67)bt=3−12(19274.33−18669.67)
F(2000+20)=2∗19274.33−18669.67+23−1(19274.33−18669.67)F_(2000+20)=2*19274.33-18669.67+\dfrac{2}{3-1}(19274.33-18669.67)F(2000+20)=2∗19274.33−18669.67+3−12(19274.33−18669.67)
求得F=20483.65
三 总结
以上就是今天要讲的内容，本文仅仅简单介绍了二次移动平均法在Excel的简单操作，而Excel提供了大量能使我们快速便捷地处理数据的函数和方法。
介绍一下实现建模中可能用到的时间序列预测之线性二次移动平均,Excel的简单操作相关推荐
- Python中利用LSTM模型进行时间序列预测分析
时间序列模型 时间序列预测分析就是利用过去一段时间内某事件时间的特征来预测未来一段时间内该事件的特征.这是一类相对比较复杂的预测建模问题,和回归分析模型的预测不同,时间序列模型是依赖于事件发生的先后顺 ...
- matlab数学建模可应用到第几章,《MATLAB在数学建模中的应用(第2版)》
<MATLAB在数学建模中的应用(第2版)> 卓金武 (编者)) 基本信息 •出版社: 北京航空航天大学出版社; 第2版 (2014年9月1日) •丛书名: MATLAB开发实例系列图书 ...
- 概率论中高斯分布(正态分布)介绍及C++11中std::normal_distribution的使用
高斯分布:最常用的分布是正态分布(normal distribution),也称为高斯分布(Gaussian distribution): 正态分布N(x;μ,σ2)呈现经典的"钟形曲线&q ...
- 袁新生《LINGO和Excel在数学建模中的应用》
内容介绍 本书深入浅出地介绍了LINGO的基础知识.用LINGO语言描述现实问题的方法和用Excel处理数据的方法,重点是这两种软件在解决各种优化问题以及在数学建模中的应用,通过丰富的实例介绍了把实际 ...
- 卓金武《MATLAB在数学建模中的应用》 第2版
内容介绍 本书的作者都具有实际的数学建模参赛经历和竞赛指导经验.书中内容完全是根据数学建模竞赛的需要而编排的,涵盖了绝大部分数学建模问题的matlab求解方法.本书内容分上下两篇.上篇介绍数学建模中常 ...
- 风控建模中的样本偏差与拒绝推断
风控业务背景 幸存者偏差(Survivorship Bias)是一个广泛存在的逻辑谬误.我们在进行统计的时候,可能会忽略样本的随机性和全面性,用局部样本代替了总体样本,对总体的描述出现偏差,从而得出错 ...
- keras实现简单lstm_深度学习（LSTM）在交通建模中的应用
上方点击蓝字关注? 在简单了解了LSTM原理之后,本期我将以航班延误预测为例为大家介绍一下如何利用Python编程来构建LSTM模型. 这里我们要用到一个高级的深度学习链接库--Keras,它以Ten ...
- 从实际业务中来，到落地业务建模中去
图片来源:pexels.com 做了这么多年项目,不知道你有没有发现一个有趣的现象:有时候面对同一个问题,当我们对它的定义不同,往往最终解决方案的差异也会非常大. 拿我司之前的一个需求来说,客户要求将 ...
- 归一化处理公式_数学建模中的数据处理——归一化处理
关于数据处理,很常见的一个方法就是"去量纲处理",在大家数据处理中经常使用到数据的标准化处理,后边的主成分分析法,因子分析,聚类分析等,都会使用到数据归一化处理.,在此分享一下关于 ...
最新文章
- Docker容器对CPU资源隔离的几种方式
- 我是一个内向的人，也是一个不善交际的人
- 散列表的设计与实现_散列表：如何实现word编辑器的拼写检查？
- 关于PHP的OpenSSL的加密问题
- Java基础学习总结（115）——Java 类加载机制详解
- 若依如何去掉“正在加载系统资源，请耐心等待”
- UTF8下的中文截取
- 诊断（UDS）协议栈设计-系列讲解
- Roboware主题配置教程
- 工业污染治理投资完成情况分析（2000—2019年）
- 通过公众号注册小程序
- XML/HTML/CSS/JS之间的区别和联系
- ArcGIS使用（二）ArcGIS加载天地图
- 常吃这9种食物 牙齿坏得快
- FA-关于固定资产的类别重分类
- 为降低普及门槛，鑫洋泉将全景环视做成“算法引擎”
- GitHub 终端面基交友的新神器
- python爬虫百度安全验证_爬虫黑科技-绕开百度人机验证
- 运营商的套餐自由修改何时实行？
- [附源码]Java计算机毕业设计SSM高校心理咨询管理系统