Page 333 - 数学建模算法与应用

第十一章 时间序列分析研究

title(‘Original Data with Predicted Values’)；
xlabel(‘Time’)；
ylabel(‘Value’)；

legend(‘Original Data’， ‘Predicted Data’)；
grid on；
% 保存处理后的数据
save(‘bdata.mat’， ‘x’， ‘y’， ‘w’， ‘n’， ‘m1’， ‘m2’， ‘s’)；

习题八
简单移动平均法
一家公司的销售额数据如下所示（单位：万元）：

练习题 1：简单移动平均法
一家公司的销售额数据如下所示（单位：万元）： 533.8， 574.6， 606.9，
649.8， 705.1， 772.0， 816.4， 892.7， 963.9， 1015.1， 1102.7
使用一次简单移动平均法，分别取移动平均的项数 N=4N=4 和 N=5N=5，预
测第 12 月份的销售额，并比较哪种情况下的预测标准误差较小。

练习题 2：加权移动平均法
一家公司的销售额数据如下所示（单位：万元）： 6.35， 6.20， 6.22， 6.66，
7.15， 7.89， 8.72， 8.94， 9.28， 9.80
使用加权移动平均法，取 w1=3w1 =3， w2=2w2 =2， w3=1w3 =1，预测第 11

月份的销售额，并计算各年预测值与实际值的相对误差，最后修正预测值。
练习题 3：趋势移动平均法
一家公司的销售额数据如下所示（单位：万元）： 5.35， 6.20， 6.22， 6.66，
7.15， 7.89， 8.72， 8.94， 9.28， 9.80， 10.50， 11.20， 11.80， 12.40， 13.10，

13.80， 14.50， 15.20， 15.80， 16.40， 17.00
使用趋势移动平均法，取 N=6N=6，预测第 22 和第 23 月份的销售额。
练习题 4：ARIMA 模型
一家公司的销售额数据如下所示（单位：万元）： 533.8， 574.6， 606.9，

649.8， 705.1， 772.0， 816.4， 892.7， 963.9， 1015.1， 1102.7
使用 ARIMA 模型，假设需要进行 1 阶差分才能使序列平稳，确定
ARIMA(3，1，3) 模型，并进行 10 步预测。

323