趋势外推预测方法
人力需要预测之趋势外推预测法
人力需要预测之趋势外推预测法将人力资源需求量的历史数据按时间顺序排列，即可形成一个时间数列。
时间数列分为绝对数时间数列、相对数时间数列和平均数时间数列三种，人力资源需求量是绝对数，因而其数列是绝对数时间数列。
按数列反映的现象性质不同，又可分为时期数列和时点数列，人力资源需求量是期末时点上的数据，因而其数列是时点数列。
在明确人力资源需求时点数列的性质后，考虑采用恰当的预测方法。
针对时点数列，一般可选用三种方法：方法一，当时点数列不存在长期趋势和季节变动时，宜采用平滑方法预测；方法二，当时点数列存在长期趋势但不含季节变动时，宜采用趋势外推方法预测；方法三，当时点数列存在长期趋势和季节变化时，宜采用趋势季节模型方法预测。
当人力资源需求时点数列不存在长期趋势，但中短期内有一定规律可循时，可采用方法一。
但是当随时间变化的趋势不明显时，一般最好不要采用该类数量方法预测，所以方法一在人力资源需求预测方面运用较少。
当人力资源需求呈现长期发展趋势，又随季节变化时，采用方法三。
在组织中，一般人员是较为固定的，不会轻易随季节变化而变动，否则会严重地影响员工的忠诚度，甚至有些企业提倡经济萧条时也不裁员，因随便增减人员对企业危害巨大。
也有符合该要求的人力资源需求数列，比如有淡旺季之分的产品促销员，这些促销员是临时招聘，而非正式员工，市场上供给充分，不需要过早预测，所以方法三更少运用。
事实上，当正式员工需求呈现长期发展趋势时，不会考虑季节变动，一般选用方法二，所以趋势外推预测法（trend analysis）是人力资源需求预测中运用最广泛的时点数列预测方法。
趋势外推预测法中，最重要的是找出趋势线。
找出趋势线的方法有多种，一般有绘图法、分段平均法、最小二乘法、指数平滑法等。
最简单、最直观的方法是绘图法。
以人力资源需求量为纵轴，以时间为横轴，在坐标图上描出各年的历史数据。
观察这些点是否有一定的发展规律，如果有，尝试在图上画出一条直线或曲线，使得大多数点尽可能地与这条线重合或接近。
第7章趋势外推预测方法
趋势外推法的假设条件： (1)假设事物发展过程没有跳跃式变化，即事物的发展变化是渐进型的。 (2)假设所研究系统的结构、功能 等基本保持不变，即假定根据过去资料 建立的趋势外推模型能适合未来，能代 表未来趋势变化的情况。
第1节 指数曲线法
指数曲线模型 （7.1.1） 对式（7.1.1）两端取对数，得 令 则 这样就把指数曲线 模型转化为直线模型
在利用包络曲线预测时首先要建立包络曲线，具体步骤为： 第一步：分析各类预测对象的预测参数的发展趋势； 第二步：求出各技术单元功能相对增长速度最快的点（xi，yi），i=1，2，…，m； 第三步：绘制包络曲线，即在点（ xi，yi ）处与i（i=1，2，…，m）技术单元曲线相切的曲线。
二、应用范围 某项技术发展的前期阶段，采用包络曲线对技术发展进行深入研究，可以外推出新的远景技术，从而可以未雨绸缪，提前完成技术贮备，以便及时进行技术更新。 当某一技术的发展趋于极限时，采用包络曲线外推可能出现的新技术。 用包络曲线外推未来某一时刻的特性参数水平，借以推测将会出现那种新技术。 验证决策中制定的技术参数是否合理。如果拟定的参数在包络曲线之上，则可能有些冒进，如在其下则可能偏于保守。合理的技术参数应与包络曲线相吻合，偏高偏低皆需调整。
0
y
a
t
表7.1.1 指数曲线模型差分计算表
第2节 修正指数曲线法
修正指数曲线预测模型 （7.2.1） 式中：a、b、c为待定参数。 为求出a、b和c三个参数，可应用分组法。通常的做法是先把整个时间序列数据分成三组，使每组数据个数相等，然后通过各组数据之和求出参数的具体数值。
表7.2.1 修正指数曲线模型差分计算表
第3节 生长曲线法
生物的生长过程一般经历发生、发展、成熟到衰老几个阶段。发生初期成长速度较慢；发展时期生长速度则较快；成熟时期，生长速度由达到最快而后逐渐变慢，到衰老期则几乎停止生长。 指数曲线模型不能预测接近极限值时生物生长的特性值，因为趋近极限值时，生物生长特性值已不按指数规律增长。描述生物生长过程可以考虑运用形状近似于S型的曲线（称为S曲线）。 本节主要介绍两种最为常用的生长曲线 龚珀兹曲线 皮尔曲线。
趋势外推法
趋势外推法（trend projection）是生产预测中常用的一种方法。
这种方法是找出一系列历史数据的趋势线并外推于将来做中长期预测。
该方法的原理是：给趋势型时间数列拟合以时间单位为自变量的数学模型，然后以顺延的时间单位作已知条件，外推时间数列后续趋势值。
外推预测的准确程度取决于所拟合模型的拟合优度，最小二乘法以其所拟合模型的预测标准误差最小的优势成为最常用的趋势模型的拟合方法。
趋势外推法又分为以下几类：增长型趋势模型外推法（又包括：等差增长趋势模型、二级等差增长趋势模型、等比增长趋势模型等），周期波动趋势模型外推法，生命周期趋势模型法等。
一、增长趋势模型增长趋势模型包括等差增长趋势模型、二级等差趋势模型、等比增长趋势模型等，详述如下：（三）等比增长趋势模型当时间数列逐期变量值以同一比率增长时，可配以指数曲线增长模型：二、周期波动趋势模型季节型时间数列以日历时间为波动周期；循环型时间数列波动周期往往大于一年，且不稳定。
尽管两者有所区别，但都呈周期性波动，因此宜以正弦曲线为基础，经修正波幅与周期拟合波动规律。
正弦曲线预测模型的一般形式为：只要对已知数据按上述各项要求加工填入以后，求解六元一次方程组，得β0～β5，代入预测方程即可开始预测。
三、生命周期趋势模型当时间数列变化呈前期增长缓慢、中期增长逐渐加速、后期增长逐渐平缓、末期逐渐加速负增长时，可配以生命周期趋势模型。
这类曲线包括能模拟生命周期的前期、中期和后期的龚珀资曲线、罗吉斯蒂曲线（蒲尔-里得）曲线以及能模拟生命周期中后期的修正指数曲线模型。
龚珀资曲线和罗吉斯蒂曲线是拟合从前期至后期的生命周期趋势，而后者是拟合从中后期至后期的生命周期趋势。
----摘自《市场预测方法与案例》。
趋势外推法
根据上表，将年度作为横坐标，人数作为纵坐标，绘制出散 点图。
由散点图可知，应建立直线趋势方程： Y =a +bX 其中：Y — 人数 X — 年度 利用最小二乘法，可以得出a、b的计算公式：
可得：a = 390.7，b = 41.3
Y = 390.8 + 41.3X
所以，未来第三年的人力资源需求量为：
• 当时点数列不存在长期趋势和季节性变动时，采用平滑方法 预测； • 当时点数列存在长期趋势但不含季节变动时，宜采用趋势外 推方法预测； • 当时点数列存在长期趋势和季节变化时宜采用趋势季节模型 方法预测。
步骤：
• 运用定性方法确定因变量是否适合运用趋势外推法。如果适 合，则搜集y的历史数据，对其进行初步处理。（画出趋势 线） • 对y 的历史数据和X进行回归分析，求出a,b,得到趋势外推 模型。 • 运用趋势外推模型预测y值。
Y = 390.8 + 41.3×15 = 1010(人)
满足两个前提： 1、企业要有历史数据（一般使用过去五年的数据进 行预测）； 2、是这些数据要有一定的发展趋势可循。 • 比较简单，只能预测大概走势，作为初步预测时比 较有价值。源需求量在时间上
表现出明显的均等趋势时才使用的。
• 根据历史数据，在坐标轴上绘出散点图；然后根据
图形可以直观地判断拟合哪种趋势线，从而建立相 应的趋势方程； • 根据趋势方程可以对未来某一时间的人力资源需求 进行预测。
表1 某企业过去12年的人力资源数量
年度 1 2 3 4 5 6 7 8 9 10 11 12 人数 510 480 490 540 570 600 640 720 770 820 840 930
趋势外推法
趋势外推法
经济预测与决策第四章趋势外推法
2．拟合直线法的原理
这种方法是基于最小二乘法原理，通过对时间序列数据拟 合得出一条直线，使得该直线上的预测值与实际观察值之 间的离差平方和为最小。
3．拟合直线方程法的数学模型
4．加权拟合直线法的数学模型
在拟合直线法中，计算离差平方和时对近期误差和远期误差 赋予的权重是一样的。实际中，近期数据对预测结果的影响 更有意义，也就是说，对于预测精确度而言，近期误差比远 期误差更为重要。因此，在计算离差平方和时，对离差平方 项按照近大远小的原则赋予不同权值，即离差平方项对应的 时间点距离现在越近，其赋权值越大。对加权离差平方和再 按照最小二乘法原理，使离差平方和达到最小，进而求出加 权拟合直线方程。这种方法称为加权拟合直线法。
4.2.2 线性趋势外推预测法的应用举例
【实例4-1】
已知A公司1998~2008年销售利润，详见表4-1。试预测该公 司2009年的销售利润。
【实例4-2】
仍以表4-1对应的数据来说明加权拟合直线方程法的应用。 表4-4给出了各期对应的权值。
【解】 首先，基于表4-1中数据绘制趋势图，如图4-1所示。 从图4-1可知，公司销售利润呈现直线上升趋势。因此采 取线性趋势外推预测法进行预测。 其次，基于表4-1中数据计算线性趋势外推预测法模型的 参数a、b。
4.4 生长曲线预测法 4.4.1 生长曲线预测法基本原理 4.4.2 生长曲线预测法的应用举例
4.5 习题
本章学习目标
4.1 趋势外推预测法概述
4.1.1 趋势外推预测法含义 4.1.2 常用趋势外推预测法简介
4.1.1 趋势外推预测法含义
趋势外推预测法（Trend extra polation）是根据事物过 去和现在的发展趋势推断未来发展趋势的一类方法的总称 。这类方法的基本假设是事物的未来发展趋势系过去和现 在连续发展的结果。
趋势外推预测法
1、最小二乘法确定直线方程
最小二乘法：通过对时间序列拟合直线，使得直线 上的预测值与实际观察值之间的离差平方和最小。
n
2
Q ( yt aˆ bˆxt )
t 1
❖ 然后利用数学上的最优化求解方法，通过求导 使Q值达到最小。
❖ 解得： aˆ y bˆx
n
(xt x)(yt y)
bˆ t1 n
❖ Ｍt(2)＝(Ｍt(1)＋Ｍt-1(1)＋…Mt-N+1(1))/N
式动中平：均Ｍ值t；(2)为N为第移t期动二时次期移数动。平均值；Ｍt(1)为一次移
设时间序列从某时期t开始具有线性增长趋势，且认为 未来时期也按线性趋势变化，则可建立如下趋势直 线方程：
at=2Mt(1)-Mt(2)
bt=2/(N-1)*(Mt(1)-Mt(2) )
模型关键：确定平滑系数和初始值
平滑系数a的确定：
（1）当时间序列呈现较稳定的水平趋势时，a 应取小一些，如0.1~0.3，以减小修正幅度。 （2）当时间序列的波动较大时，应选择居中 的a值，如0.3-0.5。
❖ （3）当时间序列波动很大时，并呈现明显的 且上升或下降趋势时， a值应取大些，如0.60.8，以使预测模型灵敏度高些，能迅速跟上 数据的变化。（4）在实际预测值中，可以取 几个a值进行试算，比较他们的预测误差，选 择误差小的那个a值。
(xt x)2
t 1Leabharlann ❖ 例1：已知A公司1998年—2008年的销售利润 如下表所示，是预测该公司2009年的销售利 润。
❖ 首先：判断数据的特点。
❖ 形式1：统计图 ❖ 形式2：差分
其次：确定参数。 方法1：利用“工具”——数据分析——回归 这里的回归是对时间t的回归。
趋势外推法的手段
趋势外推法的手段趋势外推法是一种预测未来发展方向和趋势的方法，其基本原理是根据过去的数据和趋势，通过一定的数学模型和推理方法，对未来的可能发展进行预测和判断。
下面将介绍趋势外推法的几种常见手段。
1. 线性外推法：线性外推法是一种基于线性趋势的外推方法。
根据一组数据点的线性趋势，计算出其斜率和截距，从而得出线性方程，并利用该方程预测未来的发展趋势。
线性外推法常用于简单的线性发展趋势，适用于数据变化比较稳定的情况。
例如，我们可以通过过去几年的销售数据，计算出销售额与时间之间的线性关系，然后根据线性方程的参数，预测未来销售额的发展趋势。
2. 指数平滑外推法：指数平滑外推法是一种基于指数趋势的外推方法。
它根据过去数据的指数增长或指数衰减趋势，对未来数据进行预测。
指数平滑外推法适用于有明显趋势变化的数据，并且能够较好地适应数据的变化。
例如，在预测某产品的未来销售量时，可以利用指数平滑外推法，根据过去销售量的变化趋势，对未来销售量进行预测。
3. 趋势函数外推法：趋势函数外推法是一种基于数学函数的外推方法。
它通过拟合历史数据的变化趋势，找出最适合数据变化的函数，并利用该函数预测未来的趋势。
常用的趋势函数包括多项式函数、指数函数、对数函数等。
例如，我们可以通过拟合历史数据的变化趋势，找到一个最适合该数据的多项式函数，然后利用该函数预测未来的数据发展趋势。
4. 时间序列分析外推法：时间序列分析外推法是一种基于时间序列数据的外推方法。
它通过对时间序列数据的周期性、波动性等特征进行分析，找出其规律性，并利用规律性预测未来的趋势。
时间序列分析外推法常用的方法包括自回归（AR）、滑动平均（MA）、自回归滑动平均（ARMA）等。
例如，在对某商品的销售数据进行预测时，可以使用时间序列分析外推法，通过对历史销售数据的波动性和周期性进行分析，预测未来销售的发展趋势。
综上所述，趋势外推法是一种常用的预测未来发展趋势的方法，其手段包括线性外推法、指数平滑外推法、趋势函数外推法和时间序列分析外推法等。
预测模型思路的方法
预测模型思路的方法
预测模型思路的方法主要包括以下几种：
1. 趋势外推预测方法：根据事物的历史和现实数据，寻求事物随时间推移而发展变化的规律，从而推测其未来状况。
这种方法的前提假设是所研究系统的结构、功能等基本保持不变，即假定根据过去资料建立的趋势外推模型能适合未来，能代表未来趋势变化的情况。
2. 回归预测方法：根据自变量和因变量之间的相关关系进行预测。
自变量的个数可以一个或多个，根据自变量的个数可分为一元回归预测和多元回归预测。
3. 卡尔曼滤波预测模型：以最小均方误差为估计的最佳准则，来寻求一套递推估计的模型。
其基本思想是采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。
它适合于实时处理和计算机运算。
4. 移动平均法：根据时间序列资料逐渐推移，依次计算包含一定项数的时序平均数，以反映长期趋势。
5. 差分指数平滑法：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。
差分方法是改变数据变动趋势的简易方法。
6. 自适应滤波法：先用一组给定的权数来计算一个预测值，然后计算预测误差，再根据预测误差调整权数以减少误差。
这样反复进行，直至找出一组“最佳”权数，使误差减少到最低限度。
这些方法在使用时需要结合具体的数据和情境进行选择和调整。
如需更多信息，建议阅读统计学相关书籍或请教统计学专业人士。
定量预测方法
定量预测方法定量预测方法种类很多，这里仅介绍常用的趋势外推法、时间序列法、回归预测法和灰色预测法。
1．趋势外推法趋势外推法就是运用直线或曲线拟合模型展开预测的方法。
在运用趋势外推法时，应当根据以获取的市场实际资料分析其发展趋势，挑选预测方案，按预测方案里的有关方法展开运算得出结论财政预算值。
(1)直线趋势法。
直线趋势法的方程为用最轻平方等方法估算a和b的值，创建直线预测模型。
然后再根据变量t的值展开预测。
(2)曲线趋势法。
以二次抛物线为例，曲线趋势法的公式为用最轻平方等方法估算a、b、c的值，创建曲线预测模型。
然后再根据变量t的值展开预测。
2．时间序列法（略）3．重回预测法回归预测法是通过分析自变量与因变量之间的相互关系，根据自变量数值的变化，预测因变量数值变化的一种方法，也可称为相关分析预测法。
这种方法是预测学的基本方法，应用十分广泛。
(1)一元线性重回法。
一元线性重回预测的数学模型就是一元线性方程，其计算公式为(2)二元线性回归法。
二元线性回归预测的数学模型是二元线性方程，其计算公式为4．灰色预测法灰色预测法是指通过分析系统内部各因素之间的相关程度，根据原始数据的生成处理来寻求系统变化规律，以此建立微分方程模型，从而预测市场发展趋势的预测方法。
灰色预测法通过生成法处理系统内的变量。
生成法分为累加生成法和累减生成法。
累加生成法是将原始序列通过累加得到生成序列，即将原始序列的第一个数据作为新序列的第一个数据，将原序列的第二个数据加到第一个数据上，其和作为新序列的第二个数据，将原序列的第三个数据加到第二个数据上，其和作为新序列的第三个数据，依此类推，得到生成序列。
累减生成法是将原始序列的数据前后相减，得到累减生成序列。
趋势外推法
三阶差分
一阶差分环比指数
y t y t 1
y t y t1
注意：
增长曲线模型在理论上的变化规律都遵循着一阶 差分 、二阶差分 、三阶差分 、一阶差分 环比指数 为一常数的特征。
曲线趋势外推预测法
y 一、直线趋势外推法(Liner tend ) 1、principle
2 3 t
2.指数曲线外推模型
一般形式 ： 对数曲线 3.增长曲线外推法： 修正的指数曲线 罗吉斯曲线 龚珀兹曲线
ˆt ab y
t
ˆt a b ln t y
ˆt K ab y
1 ˆt y t K ab
t
ˆt Ka y
bt
差分概念
一阶差分
二阶差分
y t y t y t 1 y t y t y t1 yt
Q 2 ( yt a bt) a a 2 ( yt a bt) 0
y
t
na bt 0
（2）
Q 2 ( yt a bt) b b 2t ( yt a bt) 0
2 ty a t b t t 0
-4 -3 -2 -1
25
16 9 4 1
-1000
-2000 -1050 -800 -500
191.0
273.7 356.4 439.1 521.8
0
1 2 3 4
0
1 4 9 16
0
300 700 1200 2000
1999
2000 2001
630
700 750
0
1 2
0
1 4
0
700 1500
趋势外推预测方法简介
2001 2002 72.3 72.8
2003 73.2
第五章 趋势外推预测方法
5.3 生长曲线法
生物的生长过程一般经历发生、发展、成熟到 衰老几个阶段，在不同的生长阶段，生物生长的 速度也不一样。发生初期成长速度较慢，由慢到 快；发展时期生长速度则较快；成熟时期，生长 速度由达到最快而后逐渐变慢，到衰老期则几乎 停止生长。指数曲线模型不能预测接近极限值时 生物生长的特性值，因为趋近极限值时，生物生 长特性值已不按指数规律增长。描述生物生长过 程可以考虑运用形状近似于S型的曲线（称为S曲 线）。本节主要介绍两种最为常用的生长曲线龚 珀兹曲线和皮尔曲线。
lg yˆ lg k bt lg a （5.3.2）
式（5.3.2）在形式上已与式（5.3.1）表示的修正指数曲线相同。
第五章 趋势外推预测方法
6. 龚帕兹（Compertz）模型
yt kabt
取对数， ln yt ln k (ln a)bt 修正指数曲线。
特征： yt 线性变化。 yt
2 1.75
1.5 1.5
1.25
1 1
0.75
0.5
0.5
0.25
0
-6
-4
-2
0
2
4
6
8
ln a 0 0 b 1
0
-3
-2
-1
0
1
2
3
4
ln a 0 b 1
第五章 趋势外推预测方法
150 25
125 20
100
15 75
10 50
5
25
趋势外推法的手段
趋势外推法的手段
趋势外推法是通过分析和观察已有的数据的发展趋势，来推测未来事物发展的方法。
以下是一些常见的手段：
1. 线性外推：假设已有的数据呈现线性关系，根据这一关系来推断未来的发展趋势。
2. 指数外推：假设已有的数据呈现指数关系，根据这一关系来推断未来的发展趋势。
常用于描述指数增长或指数衰减的现象。
3. 平移方法：根据已有数据的平移特征，将过去的发展情况延续到未来，推测未来的发展趋势。
4. 周期性外推：根据已有数据的周期性特征，推测未来的发展趋势。
例如，根据历史数据中的季节性变化来预测未来季节的销售量。
5. 回归分析：通过建立回归模型，使用已有数据的相关变量来预测未来的值。
这种方法可以考虑多个因素对变量的影响，提高预测准确性。
需要注意的是，趋势外推法只是一种预测方法，未来的发展仍可以受到各种未知因素的影响，因此预测结果并不一定准确。
在使用趋势外推法时，需要谨慎评估
现有数据的可靠性和准确性，并考虑其他可能的因素和变量的影响。
第3章 趋势外推预测法讲解
xt*yt
1 200 4 600 9 1050 16 1600 25 2500 36 3780 49 4900 64 6000 81 7650 100 9500 121 11220 506 49000
191 273.7 356.4 439.1 521.8 604.5 687.2 769.9 852.6 935.3 1018
a
Q
b
n
nt xt
t 1
yt
n
a nt xt
t 1
n
b nt xt2
t 1
0
b
第3章0.8时,试用加权拟合直 线方程法预测2004年与2005年的利润额。
解 (1) 列表，分别计算各年的n-t, αn-t, αn-tyt,αntxtyt,αn-txt，αn-tx2t,并加总求和
第3章 趋势外推预测法
线性趋势预测的基本思想就是假定影响时间序列的 项值的主要因素过去、现在和将来都大体相同,因而只要 将其趋势直线加以延伸,便可预测未来的项值。一般而言, 这种预测方法只适用于短期或经济平稳发展时期的预测。 常用的预测方法有拟合直线方程法和加权拟合直线方程 法（又称折扣最小平方法）。
当有理由相信这种趋势可能会延伸到未来时，对 于未来时点的某个值（经济指标未来值）就可由上述 变化趋势模型（曲线方程）给出。这就是趋势外推的 基本思想。
第3章 趋势外推预测法
3.基本假设 趋势外推法的两个前提假设是： （1）假设事物的发展过程没有跳跃式发展。这一
前提假设实际上是指质的稳定性。 （2）假定事物的发展因素也决定事物未来的发展，
分别为e1, e2, …, en。其中在AB直线上方一侧的离差为
正离差,下方一侧为负离差。如果简单地以离差代数和
第四讲 趋势外推法
yt yt yt 1 B yt 1 yt 1 yt 2
当时间序列算得的一阶差分比率大致相等时,就可以 配修正指数曲线模型进行预测。
指数曲线模型的参数估计及应用
bt 对指数曲线模型 y t Ae 取对数,作变换,转化为直线模型。
ln y t ln A bt Yt ln y t , a ln A Yt a bt
年份
1963 1964 1965 1966 1967
时序 （t）
12 13 14 15 16
总额 （ yt ）
604.5 638.2 670.3 732.8 770.5
年份
1974 1975 1976 1977 1978
时序 （t ）
23 24 25 26 27
总额 （ yt ）
1163.6 1271.1 1339.4 1432.8 1558.6
修正指数曲线预测模型 1）模型的形式
ˆt K abt y
2）模型的识别
例4 我国卫生机构人员总数如表4.13所示，试预 测2003年我国卫生机构总人数。 解: 绘制散点图，如图4.13所示。
得:
所以我国卫生机构总人数修正指数曲线 模型为:
yt 615.641 205.667 (0.9172)t
差分特性 使用模型
一阶差分相等或大致相等 二阶差分相等或大致相等
三阶差分相等或大致相等 环比相等或大致相等 一阶差分比率相等或大致相等
一次线性模型 二次线性模型
三次线性模型 指数曲线模型 修正指数曲线模型
多项式趋势预测模型及应用
特别:直线(一元时间回归)模型参数估计的简捷算法
y t a bt
将 t 19 代入模型,得到2003年我国卫生 机构总人数的预测值:
趋势外推预测法
• 式中N---跨度，依数据的具体情况而定，其值越大则滑动平均的 平滑作用越大。
0 1, （3）一次指数平滑法。取定参数 ， 预测模型为
初值
s 0 x1，
s t x t (1 ) st 1 ˆ x s t 1 t
二、线性预测外推
（1）二次滑动平均法。二次滑动平均法就是对一次滑动平均序 列再做一次滑动平均，取跨度为N,二次滑动平均预测模型为
(2)二次指数平滑法。二次指数平滑法也是在一 次指数平滑基础上再次进行指数平滑后得到的 外推结果，预测公式为
1 1 s s （ 1 ） s t t t（ -1 t 1,2,...,T） 2 1 1 2 x ˆ t 1 st s t t 1,2,...,T 1 1 1
三、多项式趋势外推 在负荷预测中常用二次多项式趋势的三次指数 平滑等进行预测，预测公式为
3 2 3 s s 1 s t t 1 t x 2 ˆ lc ˆt b ˆ ˆt a l t t 1 2 3 ˆ t 3s 3 s s a t t t 1 2 3 ˆ b [ 6 5 s 2 5 4 s 4 3 s t t t t ] 2 21 2 1 2 3 c ˆt s 2 s s t t t 2 2 1
一、水平趋势外推
...， x T }，负荷水平趋 假定负荷变化的历史数据序列为{ x 1， x 2， 势变化规律，则可以由这组数据出发利用水平趋势外推法，求出负 荷的预测值序列{ x ˆ 1， x ˆ 2， ˆ T， x ˆ T 1， x ˆ T 2， ...， x ... } 。 (1)全平均法。预测模型为
趋势外推法
趋势外推法趋势外推法是一种使用历史数据来预测未来趋势的方法。
它基于一个基本假设，即未来的发展将延续过去的趋势。
这种方法常常被应用于经济、市场和社会领域的趋势预测。
本文将介绍趋势外推法的基本原理和应用，并通过一个实例来解释其实际应用。
趋势外推法基于观察到的趋势和周期性模式进行预测。
它假设未来变化的方向与历史数据中的变化方向一致，但可能会有一些变化幅度上的差异。
因此，它可以提供有关未来可能发展的大致方向和范围的预测。
这种方法可以应用于各种趋势预测，例如经济增长、市场销售额和人口发展等。
首先，收集一段时间内的历史数据，并通过绘制曲线或制作图表来分析这些数据。
然后，根据观察到的趋势和模式，推断未来可能的变化趋势。
举一个实际的例子，我们可以使用趋势外推法来预测一家公司未来一年的销售额。
首先，我们收集了公司过去五年的销售额数据，并将其绘制成图表。
通过观察到的趋势，我们可以看到公司销售额呈现逐年增长的趋势。
接下来，我们可以利用这个趋势来预测未来一年的销售额。
通过简单地延续过去几年的增长率，我们可以估计未来一年公司的销售额可能在一个特定的范围内，例如增长10%-15%。
然而，需要注意的是，趋势外推法并不能完全准确地预测未来的变化。
它只能提供一个大致的预测，没有考虑到其他可能影响未来趋势的因素。
因此，在实际应用中，必须结合其他方法和因素来进行综合分析和预测。
总之，趋势外推法是一种常用的趋势预测方法，它利用历史数据来判断未来的发展趋势。
它能够提供一个大致的预测范围，但不能完全准确地预测未来的变化。
因此，在实际应用中，需要结合其他因素和方法进行综合分析和预测，以提高预测的准确性和可靠性。
趋势外推法法
第四节 趋势外推法趋势外推法，也称趋势延伸法，是根据预测目标的历史时间序列所揭示的变动趋势外推到未来以确定预测值的时序预测法。
可分为随手作图法，拟合直线方程法、拟合曲线方程法。
一、随手作图法这种方法是选定时间作为横轴，预测目标量作为纵轴，先按时间序列数据作出散点图。
然后根据备散在点所显示的趋势走向图形(直线或某种曲线)，运用直尺或曲线板随手画出一条沿各个点拟合度最佳的直线或曲线，并加以延伸，得出待预测时间对应的预测值。
该方法简便易行，不用建立数学模型，预测效果良好。
但这种方法全凭预测者的观察力和作图技巧，它直接影响到预测的精度。
二、拟合直线方程法这种方法是根据呈线性变动趋势的时间序列，拟合出直线方程bx a Y +=∧，再利用方程进行预测外推，得出预测结果。
直线方程bx a Y +=中，x 为按整数序编号的时间序列，Y 为预测目标量，a 、b 为参数。
设时刻为i x 时，对应的观察值为i Y ，n i ,,2,1 =。
根据这些数据我们要利用最小二乘法拟合出一条直线方程bx a Y +=∧即确定参数a 、b ，使拟合偏差i i Y Y ∧-的平方和∑∧-=22)(i i Y Y S 最小。
由微分法，令02=∂∂a S ，02=∂∂bS ，解之可得到∑∑---=-=x b Y x nb Y n a i i 11 （4-13） ∑∑∑∑∑--=22)())((i i i i i i x x n Y x Y x n b （4-14）当时间序列是整数项时，我们取i x 的中间项为0，其余按下列取值 …，-5，-4，-3，-2，-1，0，1，2，3，4，5，… （中间项）例如 n=7时，i x 分别取为-3，-2，-l ，0，1，2，3七个数值。
这样规定i x 取值后，n 为奇数时有∑=0i x ，则计算参数a 、b 的公式可以简化为∑==-i Y nY a 1（4-15）∑∑=2ii i xY x b （4-16） 例8 某市五金公司1978年到l984年销售额资料为 年份 l978 1979 1980 1981 1982 1983 1984 销售额 4923 5811 7171 8248 8902 9860 l0800(万元)试预测l985、1986两年的销售额。
5预测与决策-趋势外推法
利润额yt 200 300 350 400 500 630 700 750 850 950 1020
1200 1000
利润额 yt
1200 1000
利润额 yt
？？
800
800
600
600
400
400
200
200
0
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
45
销售量（万件）
40
35
30
25
10000 9000 8000 7000 6000 5000
总需求量（件）
20
4000
15
3000
10
2000
5
1000
0 0 1 2 3 4 5 6 7 8 9 10
0
0
1
2
3
4
5
6
7
8
9 10
某商场某种商品过去9个月的销量
某商场过去9年投入市场，市场需求量统计资料
加权拟合直线方程法的数学模型
Q n t(y t a b t)2
(tt)(yy) (tt)2
利润额 1200
1000
800
yc abt
600
400
200
0 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
……………… T= 1 2 3 4 5 6 7 8 9 10 11 12 13
由近及远，按 比例 递减。
各期权重衰减的速度取决于 的取值。