Đang tải... (xem toàn văn)
Sử dụng Y1, Y2, ...,Yt-1, Yt để dự báo Ft+1, Ft+2, ..., Ft+m Xét hai nhóm phương pháp: Phương pháp trung bình Phương pháp san bằng mũ Sai số hiệu chỉnh theo mô hình: (Yt-n+1 – Ft-n+1),…, (Yt-1 – Ft-1), (Yt – Ft) Sai số dự báo (khi có các giá trị thực tế: (Yt+1 – Ft+1), (Yt+2 – Ft+2), …
Nội dung Sử dụng Y1, Y2, ,Yt-1, Yt để dự báo Ft+1, Ft+2, , Ft+m Xét hai nhóm phương pháp: • Phương pháp trung bình • Phương pháp san mũ Hiện a Thời điểm tham chiếu t b Dữ liệu khứ có n kỳ Yt-n-1 … Yt-2 Yt-1 Yt m kỳ c Dự báo tương lai Ft+1 d Giá trị hiệu chỉnh theo mơ hình Ft-n-1 … Ft-2 Ft-1 Ft Ft+2… Ft+m Sai số hiệu chỉnh theo mơ hình: (Yt-n+1 – Ft-n+1),…, (Yt-1 – Ft-1), (Yt – Ft) Sai số dự báo (khi có giá trị thực tế: (Yt+1 – Ft+1), (Yt+2 – Ft+2), … Bước 1: Phân chuỗi thời gian thành liệu để xây dựng mô hình liệu để kiểm tra Bước 2: Chọn phương pháp san Bước 3: Xây dựng mơ hình san dựa liệu chọn Bước 4: Dùng mơ hình san để dự báo giá trị liệu kiểm tra Bước 5: Đánh giá kết đưa vào ứng dụng Các phương pháp san chuỗi thời gian Các phương pháp trung bình Trung bình giản đơn Trung bình di động Các phương pháp san mũ San mũ giản đơn Một tham số Phương pháp tuyến tính Holt Tham số thích nghi Phương pháp HoltWinter Phân loại Pegels Trung bình giản đơn Lấy trung bình tất quan sát trước làm dự báo Cho kết tốt giá trị quan sát khơng có tính xu hướng thời vụ đáng kể Chỉ có đối tượng cần lưu trữ theo thời gian Ft + tFt +1 + Yt +1 = t +1 Khi dự báo chuỗi lớn, cách lưu trữ hiệu Trung bình di động Dự báo trung bình di động bậc k ký hiệu MA(k) theo công thức: Phương pháp nhân Cấp độ: Yt Lt = α + (1 − α )( Lt −1 + bt −1 ) St − s Xu hướng: bt = β ( Lt − Lt −1 ) + (1 − β )bt −1 Mùa vụ: Dự báo: Yt St = γ + (1 − γ ) S t − s Lt Ft + m = ( Lt + bt m) S t − s + m Trong đó: • s: số kỳ mùa (số tháng quý năm) • Lt: ước lượng cấp độ chuỗi • bt: ước lượng yếu tố xu hướng • St: ước lượng yếu tố mùa vụ • α: số san mũ cho ước lượng cấp độ • β : số san mũ cho ước lượng xu • γ: số san mũ cho ước lượng mùa vụ Để khởi tạo giá trị ban đầu cần có giá trị s, sau thiết lập: Ls = (Y1 + Y2 + + Ys ) s Để tạo yếu tố xu ta sử dụng k+s thời kỳ : Ys +1 − Y1 Ys + − Y2 Ys + k − Yk bs = + + + k s s s Chỉ số thời vụ ban đầu: Yk Sk = Ls k = 1, 2, , s Các trọng số α, β, γ nằm khoảng (0, 1) chọn cách tối thiểu hóa giá trị MAD, MSE, MAPE Phương pháp cộng Lt = α (Yt − St − s ) + (1 − α )( Lt −1 + bt −1 ) Cấp độ: Xy hướng: bt = β ( Lt − Lt −1 ) + (1 − β )bt −1 Mùa vụ: S t = γ (Yt − Lt ) + (1 − γ ) S t − s Dự báo: Ft + m = Lt + bt m + S t − s + m Những giá trị ban đầu Ls bs tính phương pháp nhân Chỉ số thời vụ ban đầu tính là: Sk = Yk − Ls k = 1, 2, , s Các trọng số α, β, γ nằm khoảng (0, 1) chọn cách tối thiểu hóa giá trị MAD, MSE, MAPE Ví dụ: Chọn giá trị α, β, γ Vẽ đồ thị thời gian Yt Holt-Winter So sánh kết với SES LES Microsoft Exce l Workshe e t Phân loại Pegels Thành phần mùa vụ Thành phần xu hướng A (không) B (cộng) C (nhân) (không) (cộng) (nhân) A–1 B–1 C–1 A–2 B–2 C–2 A–3 B–3 C–3 Có thể tóm tắt mơ hình san mũ cơng thức sau: Lt = αPt + (1 − α )Qt bt = β Rt + (1 − β )bt −1 S t = γTt + (1 − γ ) S t − s Trong P, Q, R T biến đổi dựa vào ô tương ứng Xu hướn g A (Không ) B (Cộng) Thành phần mùa vụ (Không) (Cộng) (Nhân) Pt = Yt Qt = Lt-1 Pt = Yt – St – s Qt = Lt-1 Tt = Yt – Lt Ft+m = Lt + St+m – s Pt = Yt /St – s Qt = Lt-1 Tt = Yt /Lt Ft+m = Lt St+m – s Pt = Yt – St-s Qt = Lt-1 + bt-1 Rt = Lt – Lt-1 Tt = Yt – Lt Ft+m = Lt + mbt + St+m – s Pt = Yt /St – s Qt = Lt-1 + bt-1 Rt = Lt – Lt-1 Tt = Yt /Lt Ft+m = (Lt + mbt )St+m – s Pt = Yt – St-s Qt = Lt-1 bt-1 Rt = Lt /Lt-1 Tt = Yt – Lt Pt = Yt /St – s Qt = Lt-1 bt-1 Rt = Lt /Lt-1 Tt = Yt /Lt Ft+m = Lt Pt = Yt Qt = Lt-1 + bt-1 Rt = Lt – Lt-1 Ft+m = Lt + mbt C (Nhân) Pt = Yt Qt = Lt-1 bt-1 Rt = Lt /Lt-1 A-1: Phương pháp SES B-1: Phương pháp tuyến tính Holt B-3: Phương pháp Holt-Winter Ví dụ: Xét mơ hình san mũ cho phép xu hướng số nhân tính thời vụ số nhân, thể ô C – bảng phân loại Pegels Ta có: Và kết dự báo cho m thời kỳ đầu là: ... thời gian Các phương pháp trung bình Trung bình giản đơn Trung bình di động Các phương pháp san mũ San mũ giản đơn Một tham số Phương pháp tuyến tính Holt Tham số thích nghi Phương pháp HoltWinter... -5.3 11 .4 0.2000 310.0 190 .4 119.6 19.7 33.0 -0 .46 49 175.0 245 .7 -70.7 1.6 40 .6 0.5970 155.0 203.5 -48 .5 -8 .4 42.1 0.03 94 130.0 201.5 -71.5 -21 48 .0 -0.1995 220.0 187.3 32.7 -10.3 45 .0 -0 .43 75 10... theo hàm mũ Mức giảm điều khiển α α lớn giảm nhanh α= 0.2 Yt α= 0 .4 α= 0.6 α = 0.8 0.2 0 .4 0.6 0.8 Yt-1 0.16 0. 24 0. 24 0.16 Yt-2 0.128 0. 144 0.096 0.032 Yt-3 0.10 24 0.08 64 0.03 84 0.00 64 Ví dụ: