python构建指数平滑预测模型示例


Posted in Python onNovember 21, 2019

指数平滑法

其实我想说自己百度的…

只有懂的人才会找到这篇文章…

不懂的人…看了我的文章…还是不懂哈哈哈

指数平滑法相比于移动平均法,它是一种特殊的加权平均方法。简单移动平均法用的是算术平均数,近期数据对预测值的影响比远期数据要大一些,而且越近的数据影响越大。指数平滑法正是考虑了这一点,并将其权值按指数递减的规律进行分配,越接近当前的数据,权重越大;反之,远离当前的数据,其权重越小。指数平滑法按照平滑的次数,一般可分为一次指数平滑法、二次指数平滑法和三次指数平滑法等。然而一次指数平滑法适用于无趋势效应、呈平滑趋势的时间序列的预测和分析,二次指数平滑法多适用于呈线性变化的时间序列预测。

具体公式还是百度吧…

材料

1.python3.5

2.numpy

3.matplotlib

4.国家社科基金1995-2015年立项数据

需求

预测2016年和2017年国家社科基金项目立项数量

数据

#year time_id number
1994 1 10
1995 2 3
1996 3 27
1997 4 13
1998 5 12
1999 6 13
2000 7 14
2001 8 23
2002 9 32
2003 10 30
2004 11 36
2005 12 40
2006 13 58
2007 14 51
2008 15 73
2009 16 80
2010 17 106
2011 18 127
2012 19 135
2013 20 161
2014 21 149
2015 22 142

代码

# -*- coding: utf-8 -*-
# @Date  : 2017-04-11 21:27:00
# @Author : Alan Lau (rlalan@outlook.com)
# @Language : Python3.5

import numpy as np
from matplotlib import pyplot as plt

#指数平滑公式
def exponential_smoothing(alpha, s):
 s2 = np.zeros(s.shape)
 s2[0] = s[0]
 for i in range(1, len(s2)):
  s2[i] = alpha*s[i]+(1-alpha)*s2[i-1]
 return s2

#绘制预测曲线
def show_data(new_year, pre_year, data, s_pre_double, s_pre_triple):
 year, time_id, number = data.T

 plt.figure(figsize=(14, 6), dpi=80)#设置绘图区域的大小和像素
 plt.plot(year, number, color='blue', label="actual value")#将实际值的折线设置为蓝色
 plt.plot(new_year[1:], s_pre_double[2:],color='red', label="double predicted value")#将二次指数平滑法计算的预测值的折线设置为红色
 plt.plot(new_year[1:], s_pre_triple[2:],color='green', label="triple predicted value")#将三次指数平滑法计算的预测值的折线设置为绿色
 plt.legend(loc='lower right')#显示图例的位置,这里为右下方
 plt.title('Projects')
 plt.xlabel('year')#x轴标签
 plt.ylabel('number')#y轴标签
 plt.xticks(new_year)#设置x轴的刻度线为new_year
 plt.show()


def main():
 alpha = .70#设置alphe,即平滑系数
 pre_year = np.array([2016, 2017])#将需要预测的两年存入numpy的array对象里
 data_path = r'data1.txt'#设置数据路径
 data = np.loadtxt(data_path)#用numpy读取数据
 year, time_id, number = data.T#将数据分别赋值给year, time_id, number
 initial_line = np.array([0, 0, number[0]])#初始化,由于平滑指数是根据上一期的数值进行预测的,原始数据中的最早数据为1995,没有1994年的数据,这里定义1994年的数据和1995年数据相同
 initial_data = np.insert(data, 0, values=initial_line, axis=0)#插入初始化数据
 initial_year, initial_time_id, initial_number = initial_data.T#插入初始化年

 s_single = exponential_smoothing(alpha, initial_number)#计算一次指数平滑
 s_double = exponential_smoothing(alpha, s_single)#计算二次平滑字数,二次平滑指数是在一次指数平滑的基础上进行的,三次指数平滑以此类推

 a_double = 2*s_single-s_double#计算二次指数平滑的a
 b_double = (alpha/(1-alpha))*(s_single-s_double)#计算二次指数平滑的b
 s_pre_double = np.zeros(s_double.shape)#建立预测轴
 for i in range(1, len(initial_time_id)):
  s_pre_double[i] = a_double[i-1]+b_double[i-1]#循环计算每一年的二次指数平滑法的预测值,下面三次指数平滑法原理相同
 pre_next_year = a_double[-1]+b_double[-1]*1#预测下一年
 pre_next_two_year = a_double[-1]+b_double[-1]*2#预测下两年
 insert_year = np.array([pre_next_year, pre_next_two_year])
 s_pre_double = np.insert(s_pre_double, len(s_pre_double), values=np.array([pre_next_year, pre_next_two_year]), axis=0)#组合预测值

 s_triple = exponential_smoothing(alpha, s_double)

 a_triple = 3*s_single-3*s_double+s_triple
 b_triple = (alpha/(2*((1-alpha)**2)))*((6-5*alpha)*s_single -2*((5-4*alpha)*s_double)+(4-3*alpha)*s_triple)
 c_triple = ((alpha**2)/(2*((1-alpha)**2)))*(s_single-2*s_double+s_triple)

 s_pre_triple = np.zeros(s_triple.shape)

 for i in range(1, len(initial_time_id)):
  s_pre_triple[i] = a_triple[i-1]+b_triple[i-1]*1 + c_triple[i-1]*(1**2)

 pre_next_year = a_triple[-1]+b_triple[-1]*1 + c_triple[-1]*(1**2)
 pre_next_two_year = a_triple[-1]+b_triple[-1]*2 + c_triple[-1]*(2**2)
 insert_year = np.array([pre_next_year, pre_next_two_year])
 s_pre_triple = np.insert(s_pre_triple, len(s_pre_triple), values=np.array([pre_next_year, pre_next_two_year]), axis=0)

 new_year = np.insert(year, len(year), values=pre_year, axis=0)
 output = np.array([new_year, s_pre_double, s_pre_triple])
 print(output)
 show_data(new_year, pre_year, data, s_pre_double, s_pre_triple)#传入预测值和数据


if __name__ == '__main__':
 main()

预测结果

python构建指数平滑预测模型示例

python构建指数平滑预测模型示例

代码及数据

以上这篇python构建指数平滑预测模型示例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python基本数据类型详细介绍
Mar 11 Python
python 动态获取当前运行的类名和函数名的方法
Apr 15 Python
磁盘垃圾文件清理器python代码实现
Aug 24 Python
Pyinstaller将py打包成exe的实例
Mar 31 Python
python 实现批量xls文件转csv文件的方法
Oct 23 Python
Django如何开发简单的查询接口详解
May 17 Python
Python3 元组tuple入门基础
Feb 09 Python
用Python制作mini翻译器的实现示例
Aug 17 Python
Python正则re模块使用步骤及原理解析
Aug 18 Python
Python自动化办公Excel模块openpyxl原理及用法解析
Nov 05 Python
python tkinter的消息框模块(messagebox,simpledialog)
Nov 07 Python
Biblibili视频投稿接口分析并以Python实现自动投稿功能
Feb 05 Python
python实现画出e指数函数的图像
Nov 21 #Python
如何获取Python简单for循环索引
Nov 21 #Python
Python Web静态服务器非堵塞模式实现方法示例
Nov 21 #Python
Windows10下Tensorflow2.0 安装及环境配置教程(图文)
Nov 21 #Python
使用python代码进行身份证号校验的实现示例
Nov 21 #Python
Python 面向对象之封装、继承、多态操作实例分析
Nov 21 #Python
用python画一只可爱的皮卡丘实例
Nov 21 #Python
You might like
PHP 函数执行效率的小比较
2010/10/17 PHP
PHP中怎样防止SQL注入分析
2014/10/23 PHP
thinkphp3.2中Lite文件替换框架入口文件或应用入口文件的方法
2015/05/21 PHP
yii用户注册表单验证实例
2015/12/26 PHP
php使用number_format函数截取小数的方法分析
2016/05/27 PHP
laravel如何开启跨域功能示例详解
2017/08/31 PHP
PHP给前端返回一个JSON对象的实例讲解
2018/05/31 PHP
JavaScript转换农历类实现及调用方法
2013/01/27 Javascript
JavaScript实现页面5秒后自动跳转的方法
2015/04/16 Javascript
基于BootStrap的前端分页带省略号和上下页效果
2017/05/18 Javascript
为vue-router懒加载时下载js的过程中添加loading提示避免无响应问题
2018/04/03 Javascript
node版本管理工具n包使用教程详解
2018/11/09 Javascript
JS双向链表实现与使用方法示例(增加一个previous属性实现)
2019/01/31 Javascript
JavaScript实现多个物体同时运动
2020/03/12 Javascript
vue 点击其他区域关闭自定义div操作
2020/07/17 Javascript
vue elementui tree 任意级别拖拽功能代码
2020/08/31 Javascript
js实现移动端轮播图滑动切换
2020/12/21 Javascript
[03:42]2014DOTA2西雅图国际邀请赛 Navi战队巡礼
2014/07/07 DOTA
[47:35]VP vs Pain 2018国际邀请赛小组赛BO2 第一场 8.18
2018/08/20 DOTA
Python使用urllib2模块实现断点续传下载的方法
2015/06/17 Python
windows下python安装小白入门教程
2018/09/18 Python
浅谈pycharm下找不到sqlalchemy的问题
2018/12/03 Python
pytorch使用 to 进行类型转换方式
2020/01/08 Python
如何利用python检测图片是否包含二维码
2020/10/15 Python
Django多个app urls配置代码实例
2020/11/26 Python
Html5内唤醒百度、高德APP的实现示例
2019/05/20 HTML / CSS
夏威夷航空官网:Hawaiian Airlines
2016/09/11 全球购物
携程旅行网:中国领先的在线旅行服务公司
2017/02/17 全球购物
爱奇艺VIP会员:大剧抢先看
2018/07/11 全球购物
质量工程师岗位职责
2013/11/16 职场文书
校园创业策划书
2014/01/14 职场文书
大学学习个人的自我评价
2014/02/18 职场文书
生产厂长岗位职责
2014/02/21 职场文书
2014年文艺部工作总结
2014/11/17 职场文书
Python数据分析之绘图和可视化详解
2021/06/02 Python
《巫师》是美食游戏?CDPR10月将推出《巫师》官方食谱
2022/04/03 其他游戏