时间序列模型（五）：趋势外推预测方法

最新推荐文章于 2025-04-05 16:20:51 发布

wamg潇潇

最新推荐文章于 2025-04-05 16:20:51 发布

阅读量4.5w

点赞数 38

分类专栏： matlab数学建模时间序列分析

本文链接：https://blog.csdn.net/qq_29831163/article/details/89448270

版权

matlab数学建模同时被 2 个专栏收录

109 篇文章

订阅专栏

时间序列分析

7 篇文章

订阅专栏

本文详细介绍了趋势外推预测方法的六个阶段，包括选择预测参数、数据收集、曲线拟合等，并通过实例展示了指数曲线、修正指数曲线、Gompertz曲线和Logistic曲线等常用数学模型的预测应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

时间序列的其它博文系列：

时间序列模型（一）：模型概述

时间序列模型（二）：移动平均法

时间序列模型（三）：指数平滑法

时间序列模型（四）：差分指数平滑法、自适应滤波法v

时间序列模型（五）：趋势外推预测方法

时间序列模型（六）：平稳时间序列模型：自回归AR 、移动平均 MA 、ARMA 模型

时间序列模型（七）：时间序列建模的基本步骤

趋势外推法是根据事物的历史和现时资料，寻求事物发展规律，从而推测出事物未来状况的一种比较常用的预测方法。利用趋势外推法进行预测，主要包括六个阶段：

（a）选择应预测的参数；（b）收集必要的数据；（c）利用数据拟合曲线；

（d）趋势外推；（e）预测说明；（f）研究预测结果在进行决策中应用的可能性。

趋势外推法常用的典型数学模型有：指数曲线、修正指数曲线、生长曲线、包络曲线等。

指数曲线法

一般来说，技术的进步和生产的增长，在其未达饱和之前的新生时期是遵循指数曲线增长规律的，因此可以用指数曲线对发展中的事物进行预测。

修正指数曲线法

利用指数曲线外推来进行预测时，存在着预测值随着时间的推移会无限增大的情况。这是不符合客观规律的。因为任何事物的发展都是有一定限度的。例如某种畅销产品，在其占有市场的初期是呈指数曲线增长的，但随着产品销售量的增加，产品总量接近于社会饱和量时。这时的预测模型应改用修正指数曲线。

三和法

例 8 根据统计资料，某厂收音机连续 15 年的销售量如表 11。试用修正指数曲线预测 1986 年的销售量。

计算的 MATLAB 程序如下：

function chanliang 
clc,clear 
global a b k 
load xsh.txt %原始数据存放在纯文本文件 xsh.txt 中 
yt=xsh; n=length(yt);m=n/3 
cf=diff(yt); 
for i=1:n-2     
    bzh(i)=cf(i+1)/cf(i); 
end 
range=minmax(bzh) 
s1=sum(yt(1:m)), s2=sum(yt(m+1:2*m)), s3=sum(yt(2*m+1:end)) 
b=((s3-s2)/(s2-s1))^(1/m) a=(s2-s1)*(b-1)/(b*(b^m-1)^2) 
k=(s1-a*b*(b^m-1)/(b-1))/m 
y=yuce(1:18) 
%************************************ 
%定义预测函数 
%************************************ 
function 
y=yuce(t) 
global a b k 
y=k+a*b.^t;

Compertz 曲线

例 9（续例 8）根据表 11 的数据，试确定收音机销售量的 Gompertz 曲线方程，求出各年收音机销售量的趋势值，并预测 1986 年的销售量。

计算的 MATLAB 程序如下：

function chanliang2 
clc,clear 
global a b k 
load xsh.txt %原始数据存放在纯文本文件 xsh.txt 中 
yt=log(xsh); n=length(yt);m=n/3; 
s1=sum(yt(1:m)), s2=sum(yt(m+1:2*m)), s3=sum(yt(2*m+1:end)) 
b=((s3-s2)/(s2-s1))^(1/m) 
a=(s2-s1)*(b-1)/(b*(b^m-1)^2) 
k=(s1-a*b*(b^m-1)/(b-1))/m a=exp(a) 
k=exp(k) 
y=yuce(1:18) 
%************************************ %定义预测函数 %************************************ function y=yuce(t); 
global a b k 
y=k*a.^(b.^t);

Logistic 曲线（生长曲线）

生物的生长过程经历发生、发展到成熟三个阶段，在三个阶段生物的生长速度是不一样的，例如南瓜的重量增长速度，在第一阶段增长的较慢，在发展时期则突然加快，而到了成熟期又趋减慢，形成一条 S 形曲线，这就是有名的 Logistic 曲线（生长曲线），很多事物，如技术和产品发展进程都有类似的发展过程，因此 Logistic 曲线在预测中有相当广泛的应用。

例 10（续例 8）根据表 10 的数据，试确定收音机销售量的 Logistic 曲线方程，求出各年收音机销售量的趋势值，并预测 1986 年的销售量。

计算的 MATLAB 程序如下：

function chanliang3 
clc,clear 
global a b k 
load xsh.txt %原始数据存放在纯文本文件 xsh.txt 中 
yt=1./xsh; n=length(yt);m=n/3; 
s1=sum(yt(1:m)), s2=sum(yt(m+1:2*m)), s3=sum(yt(2*m+1:end)) 
b=((s3-s2)/(s2-s1))^(1/m) 
a=(s2-s1)*(b-1)/(b*(b^m-1)^2) 
k=(s1-a*b*(b^m-1)/(b-1))/m 
y=yuce(1:18) 
%************************************ %定义预测函数 %************************************ function y=yuce(t); 
global a b k 
y=1./(k+a*b.^t);