时间序列预测实践教程2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

时间序列预测实践教程PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 预测过程简介1

1.1预测应用1

1.2本书常用符号1

1.3预测过程2

1.4预测目标——以美国铁路客运公司为例3

1.4.1描述性目标和预测性目标4

1.4.2向前预测期数和预测数据更新5

1.4.3预测的应用6

1.4.4预测自动化水平6

第2章 数据9

2.1数据收集9

2.2时间序列的组成成分11

2.3时间序列的可视化11

2.4交互式可视化16

2.5数据预处理19

第3章 预测结果评估24

3.1数据分割24

3.1.1按时间划分时间序列25

3.1.2合并训练集和验证集建立最终预测模型26

3.1.3选择验证集区间28

3.2简单预测28

3.3衡量预测精度29

3.3.1常用衡量预测精度的指标29

3.3.2衡量模型预测精度指标的注意问题31

3.4预测不确定性评估33

3.4.1预测误差的分布33

3.4.2预测区间33

第4章 预测方法概述36

4.1基于模型的方法和数据驱动的方法36

4.2外推法、计量模型和外部信息37

4.3人工预测和自动预测38

4.4组合方法38

第5章 基于回归的预测方法43

5.1趋势模型的分析43

5.1.1线性趋势43

5.1.2指数趋势48

5.1.3多项式趋势49

5.2带有季节性趋势的模型51

5.3同时带有趋势性和季节性的模型54

5.4由模型进行预测56

5.5 AR模型和ARIMA模型58

5.5.1计算自相关59

5.5.2利用自相关信息来提高预测精度62

5.5.3评价可预测性65

5.6不规则的趋势模式66

5.6.1离群值67

5.6.2特殊事件67

第6章 平滑方法80

6.1引言80

6.2移动平均80

6.2.1中心移动平均：方便可视化81

6.2.2截尾移动平均：方便预测81

6.2.3选择窗口宽度（w）86

6.3差分86

6.3.1剔除趋势86

6.3.2剔除季节性（季节调整、去季节化）87

6.3.3剔除趋势和季节性88

6.4简单指数平滑处理88

6.4.1选择平滑处理参数α89

6.4.2移动平均和简单指数平滑之间的关系90

6.5高级指数平滑处理91

6.5.1带有趋势的序列：加法模型91

6.5.2带有趋势的序列：乘法模型91

6.5.3带有趋势和季节性的序列92

6.5.4带有季节性的时间序列（无趋势）93

6.6指数平滑方法的扩展95

6.6.1多个季节周期95

6.6.2加法平滑常数95

第7章 其他预测方法105

7.1预测中如何应用外部信息105

7.1.1案例1：预测农作物的产量106

7.1.2案例2：预测电影的票房收入107

7.2预测二元结果108

7.3逻辑回归108

7.3.1逻辑回归简介108

7.3.2案例：澳大利亚Melbourne的降雨预测110

7.4神经网络113

7.4.1神经网络模型114

7.4.2预处理117

7.4.3用户输入117

7.4.4案例：预测Amtrak公司的客流118

7.4.5神经网络的输出119

第8章 沟通和维护125

8.1预测结果的报告125

8.2预测监测127

8.3撰写报告128

8.4保持预测记录128

8.5决策者的预测调整129

第9章 实习案例131

9.1预测公共交通需求131

9.1.1问题背景131

9.1.2问题描述131

9.2游客预测133

9.2.1问题背景133

9.2.2问题描述133

9.3预测股票价格的变化（2010年INFORM比赛题目）135

9.3.1问题背景135

9.3.2问题描述135

附录A XLMiner软件的获取方法和菜单项简介139

参考文献143