时间序列模型1 指数平滑方法t 期的简单移动平均数:t x =(1-t x + 2-t x +3-t x +…+n t x -)/n t+1期的简单移动平均数:1+t x =(t x + 1-t x +2-t x +…+1+-n t x )/n=(t x + 1-t x +2-t x +…+1+-n t x +n t x --n t x -)/n =t x +n x t /-n x n t /-用1+t x 作为第t+1期的预测值1ˆ+t x,用t x 作为第t 期的预测值t x ˆ,若历史数据不足,可用t x 代替n t x -,则1ˆ+t x=t x ˆ+n x t /-n x t /ˆ 用α代替n /1,得t t t x x xˆ)1(ˆ1αα-+=+或)ˆ(ˆˆ1t t t t x x x x -+=+α 递推,得t t x xα=+1ˆ+1)1(--t x αα+22)1(--t x αα+…+11)1(x t --αα+1ˆ(1)t x α- 由于α<1,因此,当t 很大时, 1ˆ)1(xt α-接近为0.于是 t t x xα=+1ˆ+1)1(--t x αα+22)1(--t x αα+…+11(1)t x αα-- (1.1) 称(1.1)为指数平滑模型.如果原数据波动不大, α可取0.1~0.3; 如果原数据波动大, α可取0.6~0.8.Example1.1 某禽蛋加工厂历年产量数据如下表,试用指数平滑法拟合表中的数据.(1)建立example13.1.sav首先，点击‘data---define dates’.Ok.(2)观察图形点击define,出现以下窗口把x1放入line represents窗口，点击OK，结果为(3)以下建立指数平滑模型。
Analyze---time series---exponential smoothing.在model窗口中，simple模型适用于无趋势变化且无季节变化的时间序列分析；holt模型适用于有趋势变化且无季节性变化的时间序列；winter模型与custom模型用法与以上两个基本相同，不同的公是计算公式和主要参数不同。
第四章时间序列分析每一个时间序列都是事物变化过程中的一个样本，通过对样本的研究、分析，找出过程的特性、最佳的数学模型、估计模型中的参数，检验利用数学模型进行统计预测的精度。
如同描述随机变量一样，利用随机过程的一些数字特征来描述随机时间序列的基本统计特性。
地理要素的空间分布规律是地理系统研究的中心内容。
但是空间与时间是客观事物存在的形式，两者之间是互相联系而不能分割的。
因此，我们常常要分析要素在时间上的变化，在地理系统研究中，就称为地理过程。
据此来阐明地理现象发展的过程和规律。
1.通过对时间序列的研究，阐明对象发展的过程和规律。
现在的现象，往往必须从历史发展中寻找原因和依据。
这和其它学科是共同的。
2.时间上的变化是地理系统的本质特征。
很难找到在时间上不发生变化的地理系统，不同地区的不同变化速率，构成空间变化的主要特征。
３.空间差异有时还可以理解为特定区域地理系统或其要素的时间上变化在区域上的“投影”。
对同一种要素在一定时期的连续观察就确定出现象的时间序列。
许多时间序列的分析都是利用图解法来解决的。
在这种图象中，横轴是时间测度，纵轴是所研究的要素的数值。
第一节时间序列分析基本方法时间序列分析是地理预测的过程，主要研究地理要素及地理活动的时间变化趋势、季节变化、周期变化和不规则变化等规律。
一、图象法时间序列图象有两种表示方法：严格地说，线状图只能用于图象上与变量数值有关的每一点都与时间相对应的情况，例如逐日平均气温图象、人口增长图象等等。
如果变量数值是与各个时段有关，例如：月雨量、年出生率、24小时客流量，这种情况则用柱状图象表示更为合适。
但是，线状图也常用于表示与时段有关的变量。
这是因为线状图容易画、省时间，并且几条线可以叠加在一起，易于比较其趋势。
不过应该注意，不能用与时段有关的线状图进行内插求值。
这是因为一个时段内的每一点，并没有相对应的值。
比如，从年出生率线状图中，不能求出瞬时的或日、月的出生率。
时间序列模型时间序列模型⼀、分类①按所研究的对象的多少分，有⼀元时间序列和多元时间序列。
②按时间的连续性可将时间序列分为离散时间序列和连续时间序列两种。
③按序列的统计特性分，有平稳时间序列和⾮平稳时间序列。
狭义时间序列：如果⼀个时间序列的概率分布与时间t ⽆关。
⼴义时间序列：如果序列的⼀、⼆阶矩存在，⽽且对任意时刻t 满⾜均值为常数和协⽅差为时间间隔τ的函数。
（下⽂主要研究的是⼴义时间序列）。
④按时间序列的分布规律来分，有⾼斯型时间序列和⾮⾼斯型时间序列。
⼆、确定性时间序列分析⽅法概述时间序列预测技术就是通过对预测⽬标⾃⾝时间序列的处理，来研究其变化趋势的。
⼀个时间序列往往是以下⼏类变化形式的叠加或耦合。
①长期趋势变动：它是指时间序列朝着⼀定的⽅向持续上升或下降，或停留在某⼀⽔平上的倾向，它反映了客观事物的主要变化趋势。
通常⽤T t表⽰。
②季节变动：通常⽤S t表⽰。
③循环变动：通常是指周期为⼀年以上，由⾮季节因素引起的涨落起伏波形相似的波动。
通常⽤C t表⽰。
④不规则变动。
通常它分为突然变动和随机变动。
通常⽤R t表⽰。
也称随机⼲扰项。
常见的时间序列模型：⑴加法模型：y t=S t+T t+C t+R t；⑵乘法模型：y t=S t·T t·C t·R t；⑶混合模型：y t=S t·T t+R t；y t=S t+T t·C t·R t；R t2这三个模型中y t表⽰观测⽬标的观测记录，E R t=0,E R t2=σ2如果在预测时间范围以内，⽆突然变动且随机变动的⽅差σ2较⼩，并且有理由认为过去和现在的演变趋势将继续发展到未来时，可⽤⼀些经验⽅法进⾏预测。
三、移动平均法当时间序列的数值由于受周期变动和不规则变动的影响，起伏较⼤，不易显⽰出发展趋势时，可⽤移动平均法，消除这些因素的影响，分析、预测序列的长期趋势。
移动平均法有简单移动平均法，加权移动平均法，趋势移动平均法等。
