您确定要删除吗?

取消
首页 算法大全 应用模型 分析软件 算法学院 在线体验 会员中心 关于本站
分享
返回
顶部

指数平滑模型

操作系统:
0
  • Windows
  • Linux
版本:
  • 单机版
  • 网络版
  • 分布式云平台
系统位数:
  • 32位
  • 64位
购买年限:
  • 1年
  • 2年
  • 3年
  • 5年
  • 10年
  • 永久

价格¥0.00元

马克威指数平滑模型

马克威操作说明

以数据文件“马克威通用数据2.mkw”为例,演示指数平滑模型算法的操作。在进行指数平滑模型分析前,可以利用统计图形,对序列的走势、周期或平稳性做出一个大致的判断,以便对模型的参数设置有一个比较正确的最初判断,把握分析的方向。

(1)首先,在工作区,打开建模分析工作流“高级统计”→“时间序列”→“指数平滑模型”;

(2)接着选择数据源;

(3)然后设置算法的参数;

(4)主要操作步骤如下:

1)选择数据源;

2)参数设置:

自定义模型设置:选择平滑拟合的模型。

周期数:可选择4~12之间的任意整数。一般选择4或12,若选择4,则分析季度对序列的影响;选择12,则分析月度对序列的影响。

显示预测值:用于选择是否产生预测值。若选中该项时,则需要设置预算数,如5,则系统将给出所分析的序列的向后5个预测值。

模型参数设置:

平滑系数:Alpha越大说明近期的影响越明显,Alpha越小说明序列变化越稳定,不易受近期随机变动的影响。Alpha适用于各个模型。

线性回归系数:Gamma适用于线性趋势和指数趋势模型,不适用于有季节成分或无趋势的模型。

季节因子:Delta适用于所有有季节成分的指数趋势模型,不适用于线性趋势或无趋势的模型。

由用户指定相应的参数值。Alpha、Gamma、Delta的取值范围是[0,1]。

网络搜索:即遍历法搜索,系统让相应的模型参数从0到1,每次增加一个步长来估计预测的模型。系统将根据各个模型的残差平方和(SSE)来对模型进行评判,选取其中SSE最小,即最优的参数组合(模型)建立指数平滑。

只显示10个最佳模型:指定输出拟合模型(拟合序列)的个数,网络搜索模型参数时有效。在进行网络搜索时,系统会对各参数的不同取值排列组合拟合模型,如果选择该项,则在结果窗口中只显示残差平方和(SSE)最小的10个拟合模型,不选择该项,将输出所有可能的拟合模型。

参数设置如下所示,本案例选取数据集字段“X”作为分析对象:

(5)输出结果:

SSE一览表:

指数平滑乘法模型:

(6)结果说明:

本例中系统将根据这三个参数进行网格扫描生成指数平滑模型,在“SSE一览表”中列出10个最佳模型的SSE值,并给出最优模型的拟合序列值和残差值。

数据要求

输入变量类型:整型、浮点型

(注:输入数据可分为周期性和非周期性两种:具有周期性质的序列以及相应的年、月,非周期性数据t>=1即可。两者都不处理数据有缺失情况。)

输入数据尺度:标量型、有序型

算法用途

指数平滑是进行趋势分析和预测时常用的一种方法,适用于拟合与预测没有明显趋势和季节波动的序列。

算法原理

指数平滑它是利用修匀技术,削弱短期随机波动对序列的影响,使序列平滑化,从而显示出长期趋势变化的规律。用序列过去值的加权均值来预测将来的值,序列中近期的数据被赋以较大的权重,远期的数据被赋以较小的权重。理由是一般情况下,某一变量值对其后继行为的影响作用是逐渐衰减的。

系统提供四种指数平滑的模型备用户选择:单指数平滑模型、Holt_Winter无季节性模型、Holt_Winter加法模型、Holt_Winter乘法模型。

单指数平滑模型,即一次指数平滑,表达式及预测公式为:

无季节模型,即二次指数平滑,表达式及预测公式为:

加法模型,即三次指数平滑累加,表达式及预测公式为:

乘法模型,即三次指数平滑累乘,表达式及预测公式为:

其中参数的值都位于[0,1]之间,可多实验几次已达到最佳效果;同时的初始值选取对于算法整体影响不是特别大,通常取值为:,加法模型P=0,乘法模型P=1。

结果与解释

输出结果:

SSE一览表:列出10个最佳模型的残差平方和SSE值

指数平滑模型:给出最优模型的拟合序列值和残差值

订购用户 订购时间 年限 运行环境 版本
1590****469 2017-01-13 10:25:21 1年 Windows 单机版
1590****469 2017-01-11 10:44:03 1年 Windows 单机版
1330****651 2017-01-09 10:02:52 1年 Windows 单机版
1584****467 2017-01-05 18:58:18 1年 Windows 单机版
1391****356 2017-01-03 11:05:43 1年 Windows 单机版
1898****007 2017-01-03 09:22:23 1年 Windows 单机版
1580****249 2016-12-30 20:02:21 1年 Windows 单机版
1891****287 2016-12-28 19:21:07 1年 Windows 单机版
1851****708 2016-12-28 10:02:22 1年 Windows 单机版
1864****128 2016-12-27 23:33:12 1年 Windows 单机版
<12>跳至

加入购物车成功!

继续购物 去购物车