时间序列灰色组合预测模型及其应用研究(附件)【字数：9308】
摘 要摘 要由于单项预测模型的精度不尽相同，各有侧重，所以为了提高预测模型的精度，本文研究了以模型和模型为例所组合而成的灰色时序组合模型。首先详细介绍了模型和模型以及组合预测模型的建模原理和具体建模过程。由于原始模型的初始条件和背景值存在一定的缺陷性，所以本文也提出了改进模型的初始条件和背景值的两个方法,并将两者结合到一起，在一定程度上更好的改进模型，从而使模型精度得到提升。组合模型的权重会直接影响到组合模型的预测精度，所以本文选择了效果较好的方差倒数法和最优加权法来计算求得权重。最后本文选取了2005-2014年的中国能源消费总量数据进行实例分析和预测，本文的研究结果表明改进的模型精度比原始的模型精度要高；模型和的组合模型的精度要高于单独模型的精度；最优加权法得到的权重所求得的组合模型的精度比方差倒数法求得的精度更好。关键词ARIMA预测模型，GM(1,1)预测模型，组合预测模型，能源消费预测
目 录
第一章 绪论 1
1.1 选题目的及意义 1
1.2 国内外研究现状 1
1.3研究内容及架构 2
第二章 ARIMA及GM(1,1)预测模型的建立 3
2.1 ARIMA预测模型 3
2.1.1 ARIMA预测模型原理 3
2.1.2 平稳性检验 3
2.1.3 模型识别与定阶 4
2.1.4 模型的参数估计及检验 5
2.1.5 模型的显著性检验 5
2.1.6 模型的预测 5
2.2 GM(1,1)预测模型 6
2.2.1 GM(1,1)预测模型原理 6
2.2.2 模型的精度检验 7
2.3 灰色组合预测模型 8
第三章 GM(1,1)模型的改进 9
3.1 背景值改进 9
3.2 初始条件改进 10
第四章 组合预测模型权重的确定 11
4.1 方差倒数法 11
4.2 最优加权法 11
第五章 中国能源消费总量的预测及分析 13
5.1 ARIMA预测模型预测结果 13
*好棒文|www.hbsrm.com +Q: @351916072@
5.1.1 平稳性检验 13
5.1.2 模型的建立 14
5.1.3 模型的显著性检验与预测 15
5.2 GM(1,1)预测模型预测结果 16
5.3 组合预测模型预测结果 19
5.4模型精度比较及预测 19
结 论 22
致 谢 23
参考文献 24
第一章 绪论
1.1 选题目的及意义
预测是指在掌握了一定信息的基础上，按照一定方法方式和规律规则对某个事物未来的情况做出测算，这样可以提前了解事物发展的过程和结果。预测模型就是预测的工具，各种预测模型都有不同的适用范围。预测模型在实际领域应用十分广泛，它有利于我们做出更加准确的决策。
各种模型单独预测的效果各有不同，精度有高有低，那么要让模型的精度有一定的提升，研究学者提出了组合预测的思想。组合预测模型就是将针对某个问题建立的各个单独的预测模型线性组合到一起变成一个新的模型，原本单独模型都是提取了不一样的信息，在组合之后可以掌握更多信息，使组合预测模型的预预测误差减少了，所以预测精度一般是高于各个模型单独预测时的精度的，因为这个优势，组合模型的应用范围是不断扩展的，它的适用性也是不断增强的。
各个模型中，时间序列预测模型的应用和研究最为广泛[13]，其操作方法简单，易于实现，一般预测模型对数据量都有一定要求，一般数据量都比较大，而灰色模型由于它对样本量的要求很低，几个数据就可以进行预测，并且它对于不完全不明确的信息也可以进行预测，这个优势使得它在预测中占有重要地位[46]。灰色模型可以弱化时间序列的随机性，可以挖掘系统的演化规律，能更好的将某些影响社会经济指标的数据更好地拟合。并且它具有很强的融合力和渗透力，可以和很多的预测模型融合到一起。本文将利用模型和模型的组合得到精度更高的灰色时序组合模型，然后利用这个模型预测我国的能源消费总量。
1.2 国内外研究现状
1969年，Bates和Granger首次提出了组合预测的思想[7]，在此之后，对于组合预测的研究便愈发多了起来[810] ,展示出组合预测方法在预测学中的重要地位，而灰色组合预测又是组合预测中其中一个很有研究价值的课题。
近年来，国内外关于灰色组合模型有关的研究也有很多[1114]，例如，单锐（2012）提出一种基于求和自回归滑动平均(）模型与灰色预测模型的组合预测模型，通过其在人均GDP预测方面的应用实例，验证了灰色时序组合模型的有效性；刘思峰（2013）在《灰色系统理论及其应用》一书中详细介绍了灰色组合模型的分类以及各个灰色组合模型适用的研究领域；杨志勇(2015)提出了将灰色预测模型与BP神经网络模型融合到一起对实时交通量进行预测。为了更好的进行灰色组合模型的应用，在经典模型的基础上，很多学者在对模型进行了优化改进后再进行应用[1516], 例如，卫太祥等（2011）提出通过新的公式构造背景值，以此来改进模型，并用改进的模型预测能源消费量。
1.3研究内容及架构
1.本文分析了预测模型在各个领域的重要性，揭示了选择灰色时序组合模型的目的和意义，以及提出要用模型和模型的组合来预测我国能源消费总量；
2.介绍了预测模型和预测模型以及灰色时序组合预测模型 的基本理论以及它们的建模过程；
3.提出了灰色模型的两种改进方法并将两者结合起来，以此改进优化模型；
4.介绍了两种组合预测模型中各个模型权重的确定方法；
5.根据中国统计年鉴得到的20052014年十年的中国能源消费总量的数据，来拟合各个模型，并进行精度比较，确定最优的模型，并进行20152019年五年的能源消费预测；
6.对论文的研究工作做出总结。
第二章 ARIMA及GM(1,1)预测模型的建立
2.1 ARIMA预测模型
2.1.1 ARIMA预测模型原理
模型全称为求和自回归移动平均模型，模型实质上就是模型与差分运算相结合的结果。差分运算可剔除序列中的趋势性，是非平稳序列的均值平稳化的预处理，差分后平稳序列可以进行模型拟合。
模型的结构形式如下:
目 录
第一章 绪论 1
1.1 选题目的及意义 1
1.2 国内外研究现状 1
1.3研究内容及架构 2
第二章 ARIMA及GM(1,1)预测模型的建立 3
2.1 ARIMA预测模型 3
2.1.1 ARIMA预测模型原理 3
2.1.2 平稳性检验 3
2.1.3 模型识别与定阶 4
2.1.4 模型的参数估计及检验 5
2.1.5 模型的显著性检验 5
2.1.6 模型的预测 5
2.2 GM(1,1)预测模型 6
2.2.1 GM(1,1)预测模型原理 6
2.2.2 模型的精度检验 7
2.3 灰色组合预测模型 8
第三章 GM(1,1)模型的改进 9
3.1 背景值改进 9
3.2 初始条件改进 10
第四章 组合预测模型权重的确定 11
4.1 方差倒数法 11
4.2 最优加权法 11
第五章 中国能源消费总量的预测及分析 13
5.1 ARIMA预测模型预测结果 13
*好棒文|www.hbsrm.com +Q: @351916072@
5.1.1 平稳性检验 13
5.1.2 模型的建立 14
5.1.3 模型的显著性检验与预测 15
5.2 GM(1,1)预测模型预测结果 16
5.3 组合预测模型预测结果 19
5.4模型精度比较及预测 19
结 论 22
致 谢 23
参考文献 24
第一章 绪论
1.1 选题目的及意义
预测是指在掌握了一定信息的基础上，按照一定方法方式和规律规则对某个事物未来的情况做出测算，这样可以提前了解事物发展的过程和结果。预测模型就是预测的工具，各种预测模型都有不同的适用范围。预测模型在实际领域应用十分广泛，它有利于我们做出更加准确的决策。
各种模型单独预测的效果各有不同，精度有高有低，那么要让模型的精度有一定的提升，研究学者提出了组合预测的思想。组合预测模型就是将针对某个问题建立的各个单独的预测模型线性组合到一起变成一个新的模型，原本单独模型都是提取了不一样的信息，在组合之后可以掌握更多信息，使组合预测模型的预预测误差减少了，所以预测精度一般是高于各个模型单独预测时的精度的，因为这个优势，组合模型的应用范围是不断扩展的，它的适用性也是不断增强的。
各个模型中，时间序列预测模型的应用和研究最为广泛[13]，其操作方法简单，易于实现，一般预测模型对数据量都有一定要求，一般数据量都比较大，而灰色模型由于它对样本量的要求很低，几个数据就可以进行预测，并且它对于不完全不明确的信息也可以进行预测，这个优势使得它在预测中占有重要地位[46]。灰色模型可以弱化时间序列的随机性，可以挖掘系统的演化规律，能更好的将某些影响社会经济指标的数据更好地拟合。并且它具有很强的融合力和渗透力，可以和很多的预测模型融合到一起。本文将利用模型和模型的组合得到精度更高的灰色时序组合模型，然后利用这个模型预测我国的能源消费总量。
1.2 国内外研究现状
1969年，Bates和Granger首次提出了组合预测的思想[7]，在此之后，对于组合预测的研究便愈发多了起来[810] ,展示出组合预测方法在预测学中的重要地位，而灰色组合预测又是组合预测中其中一个很有研究价值的课题。
近年来，国内外关于灰色组合模型有关的研究也有很多[1114]，例如，单锐（2012）提出一种基于求和自回归滑动平均(）模型与灰色预测模型的组合预测模型，通过其在人均GDP预测方面的应用实例，验证了灰色时序组合模型的有效性；刘思峰（2013）在《灰色系统理论及其应用》一书中详细介绍了灰色组合模型的分类以及各个灰色组合模型适用的研究领域；杨志勇(2015)提出了将灰色预测模型与BP神经网络模型融合到一起对实时交通量进行预测。为了更好的进行灰色组合模型的应用，在经典模型的基础上，很多学者在对模型进行了优化改进后再进行应用[1516], 例如，卫太祥等（2011）提出通过新的公式构造背景值，以此来改进模型，并用改进的模型预测能源消费量。
1.3研究内容及架构
1.本文分析了预测模型在各个领域的重要性，揭示了选择灰色时序组合模型的目的和意义，以及提出要用模型和模型的组合来预测我国能源消费总量；
2.介绍了预测模型和预测模型以及灰色时序组合预测模型 的基本理论以及它们的建模过程；
3.提出了灰色模型的两种改进方法并将两者结合起来，以此改进优化模型；
4.介绍了两种组合预测模型中各个模型权重的确定方法；
5.根据中国统计年鉴得到的20052014年十年的中国能源消费总量的数据，来拟合各个模型，并进行精度比较，确定最优的模型，并进行20152019年五年的能源消费预测；
6.对论文的研究工作做出总结。
第二章 ARIMA及GM(1,1)预测模型的建立
2.1 ARIMA预测模型
2.1.1 ARIMA预测模型原理
模型全称为求和自回归移动平均模型，模型实质上就是模型与差分运算相结合的结果。差分运算可剔除序列中的趋势性，是非平稳序列的均值平稳化的预处理，差分后平稳序列可以进行模型拟合。
模型的结构形式如下:
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/sxtj/177.html
