数学建模 |
您所在的位置:网站首页 › 时间序列分析四种分析方法 › 数学建模 |
时间序列分析
时间序列分析 --- 时间序列数据预处理:有缺失值时模型1 --- 时间序列分解模型时间数值变化分解四种变动四种变动得到的 两种模型SPSS 操作第一步:定义时间变量第二步:做时间序列图 并分析第三步:季节性分解第四步:画出季节性分解后的时序图第五步:预测
模型2 --- 指数平滑模型 --- 多个模型类型Simple模型线性趋势模型 与 布朗(Brown)线性趋势模型阻尼趋势模型简单季节性温特加法模型温特乘法模型
ARIMA 与 SARIMA
一般步骤导入数据,必须定义时间变量画出时间序列图查看SPSS给出的最优模型需要勾选项注意事项评价指标
写入论文
时间序列分析 — 时间序列数据
针对数据:时间序列数据 对同一对象不同时间连续观察所取得的数据 三大模型 季节分解指数平滑方法ARIMA模型组成要素 时间要素数值要素 预处理:有缺失值时![]() ![]()
T
S
C
I
T S C I
TSCI ![]() ![]()
画出图后可以修改图的填充颜色等等 ![]() 周期小于1年 结果分析: 会得到四个新的变量,分别对应 结果中的季节性因子 累加模型 — T + S + C + I = = 变 量 T+S+C+I == 变量 T+S+C+I==变量 累加模型的季节因子 S S S的和为0 周期中,每个季节因子代表着与全年平均值的关系,高出或低于的值 设季节性分解的变量为 — 销量![]() ![]() ![]() 如果直接预测比较难,若要对销量直接预测,比较困难 弊端:因为原理,只能预测未来一期的值 在Holt模型上提出的 ![]()
![]() 统计 -> 参数估算值 图 -> 拟合值、 ACF PACF、预测的置信区间 和 拟合的置信区间 — 加上后面两项图可能会模糊 保存 -> 预测值、 置信区间的上限, 置信区间的下限 预测 -> 可以指定预测的日期 和 置信区间( 图中显著性水平就是
α
=
5
\alpha = 5%
α=5 ) 在输出结果中的模型拟合度 ![]() ![]() ![]() ![]() ![]() 参考资料:数学建模清风视频 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |