霍尔特-温特模型在货运量季节性预测中的应用

为了提高货运量季节性预测的精度,应用了一种线性季节预测模型,霍尔特-温特模型。通过傅立叶周期分析确定季节影响和周期长度,利用迭代法寻找模型最优参数。将预测结果与其他三个常用季节预测模型:分组回归模型、可变季节预测模型和季节周期回归模型进行比较,结果表明霍尔特-温特模型预测精度最高。

动态调整粒子群-霍尔特模型在径流预测中的应用

为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法(DAPSO)。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。

我国社会消费品零售总额的分析预测

文章利用我国1984—2014年社会消费品零售额的月度数据,结合传统的霍尔特-温特斯指数平滑法的加法、乘法模型,而又考虑到时间序列可能同时受到多重季节周期因素的影响,因此又采用了一个双重季节周期的霍尔特-温特斯乘法模型,对其进行拟合分析。结果发现:考虑双重季节周期的乘法模型的预测误差比传统的加法、乘法模型小,且其预测精准度更高,符合现实生活中的情况。因此,双重季节周期乘法模型是最适合的模型,且在短期预测中非常有效。