2024美赛数学建模常用数学建模时间序列模型之——差分指数平滑法

         在上节我们已经讲过，当时间序列的变动具有直线趋势时，用一次指数平滑法会出现滞后偏差，其原因在于数据不满足模型要求。因此，我们也可以从数据变换的角度来考虑改进措施，即在运用指数平滑法以前先对数据作一些技术上的处理，使之能适合于 一次指数平滑模型，以后再对输出结果作技术上的返回处理，使之恢复为原变量的形态。差分方法是改变数据变动趋势的简易方法。下面我们讨论如何用差分方法来改进指数平滑法。
  4.1 一阶差分指数平滑法
 当时间序列呈直线增加时，可运用一阶差分指数平滑模型来预测。其公式如下:

式（25）表示对呈现直线增加的序列作一阶差分，构成一个平稳的新序列；式（26）表示把经过一阶差分后的新序列的指数平滑预测值与变量当前的实际值迭加，作为变量下一期的预测值。对于这个公式的数学意义可作如下的解释。因为

在前面我们已分析过，指数平滑值实际上是一种加权平均数。因此把序列中逐期增量的加权平均数（指数平滑值）加上当前值的实际数进行预测，比一次指数平滑法只用变量以往取值的加权平均数作为下一期的预测更合理。从而使预测值始终围绕实际值上下波动，从根本上解决了在有直线增长趋势的情况下，用一次指数平滑法所得出的结果始终落后于实际值的问题。

例7 某工业企业1977～1986 年锅炉燃料消耗量资料如表8 所示，试预测1987 年的燃料消耗量。

由资料可以看出，燃料消耗量，除个别年份外，逐期增长量大体在200 吨左右，即呈直线增长，因此可用一阶差分指数平滑模型来预测。我们取α = 0.4，初始值为新序列首项值，计算结果列于表8 中。预测1987 年燃料消耗量为:

4.2 二阶差分指数平滑模型

当时间序列呈现二次曲线增长时，可用二阶差分指数平滑模型来预测，计算公式如下：

差分方法和指数平滑法的联合运用，除了能克服一次指数平滑法的滞后偏差之外，对初始值的问题也有显著的改进。因为数据经过差分处理后，所产生的新序列基本上是平稳的。这时，初始值取新序列的第一期数据对于未来预测值不会有多大影响。其次，它拓展了指数平滑法的适用范围，使一些原来需要运用配合直线趋势模型处理的情况可用这种组合模型来取代。但是，对于指数平滑法存在的加权系数α 的选择问题，以及只能逐期预测问题，差分指数平滑模型也没有改进。

文章参考：美赛必看，把握这些关键点，你不拿奖算我输！