【数学建模】时间序列分析

一、时间序列分析的概念与时间序列分解模型

        时间序列也称动态序列，是指将某种现象的指标数值按照时间顺序排列而成的数值序列。时间序列分析大致可分成三大部分，分别是描述过去、分析规律和预测未来。

        本讲将主要介绍时间序列分析中常用的三种模型：季节分解、指数平滑方法和ARIMA模型，并将结合 Spss软 件对时间序列数据进行建模。

 时间序列数据：对同一对象在不同时间连续观察所取得的数据

例如：

        1）从出生到现在，你的体重的数据（每年生日称一次 ) 。

        2）中国历年来 GDP 的数据。

        3）在某地方每隔一小时测得的温度数据。

 1、时间序列的基本概念

2、时间序列分解 

3、Spss软件定义时间变量 

 4、时间序列分析

二、SPSS中七种指数平滑方法的简单介绍

1、（Simple）简单指数平滑法 

 2、（Linear trend）线性趋势模型

 3、（Damped trend）阻尼趋势模型

4、霍特趋势预测 

 5、（Simple seasonal）简单季节性

6、（Winter'additive）温特加法模型 

 7、（Winters' multiplicative）温特乘法模型 

 

三、（了解即可）与ARIMA模型相关的十大知识点

之后再写

四、实例1销量数据预测

五、实例2人口数据预测

六、实例3上证指数预测

七、实例4GDP增长率预测