预测理论与方法及其MATLAB实现

定　　价：68 元

• 作者：许国根，贾瑛，黄智勇，沈可可 著
• 出版时间：2020/9/1
• ISBN：9787512433342
• 出 版 社：北京航空航天大学出版社

• 中图法分类：G303 
• 页码：340
• 纸张：胶版纸
• 版次：1
• 开本：16开

内容简介

本书是作者撰写的MATLAB应用系列之一,此外还包括《模式识别与智能计算的MATLAB实现(第2版)》《z优化方法及其MATLAB实现》。

本书按照理论基础、算法模型、实例三个内容对预测技术进行阐述,着重介绍算法程序和应用实例,简单介绍定性预测技术,详细介绍回归分析、时间序、神经网络、灰色系统等常用的定量预测技术。

本书可作为高等院校工业工程、管理科学与工程、经济金融专业的本科生或研究生的教材或教学参考书,也可供需进行预测活动的商业、生产经营、金融等从业人员、组织或管理人员、自然学科科研工作者及数学建模爱好者参考。

编辑推荐

预测的本质就是为择优提供依据，因此任何一种预测都离不开数学模型和计算机模拟。本书以MATLAB为平台，对人类各种活动的经典预测进行模拟计算、实验，旨在帮助读者掌握和应用现代各类预测技术和方法。本书按照理论基础+计算模型+实例对预测技术进行阐述，着重介绍算法程序和应用实例，极具指导性和实用性。书中代码和数据可以通过论坛、北航科技图书公众号免费下载，具体见前言。

序 言

MATLAB是一款功能非常强大的计算机软件,在科学研究和工程实践中得到了广泛的应用。利用它来编制科学研究领域常用的技术、算法、过程,并揭开这些在大多数人眼中极为深奥的数学方法神秘的面纱,使每位科学工作者都能非常容易地使用它们来解决实际问题,是作者学习MATLAB后,结合实际的科学研究经验产生的一个强烈的愿望。本书是作者撰写的MATLAB应用系列之一,此外还包括《模式识别与智能计算的MATLAB实现(第2版)》《最优化方法及其MATLAB实现》。

预测是指对研究对象的未来状态进行估计和推测。它是根据事物发展的历史和现状,综合各方面的信息,运用定性和定量的科学分析方法,揭示客观事物发展过程中的客观规律,并对事物的各种客观现象之间的联系及作用机制做出科学分析,指出各个客观现象未来发展的可能途径和结果。它是随着社会化大生产和科学技术的进步而发展起来的一门科学,其综合了哲学、社会学、经济学、统计学、数学及工程技术等方面的理论与方法。

预测是应用非常广泛的技术,有关这方面的论文数量众多。它既可以用于研究自然现象,又可以用于研究社会现象。将其与不同的实际问题相结合,就产生了不同的预测分支,如社会预测、人口预测、经济预测、市场预测、政治预测、科技预测、军事预测、气象预测等。预测也是一门历史悠久的技术。公元前7世纪至公元前6世纪,古希腊哲学家塞利斯已能通过研究气象气候预测农业收成。在我国公元前4世纪,祖先们就能利用自然界的运行规律,预测自然灾害。在现代,人们更加重视预测技术在各领域的应用。预测技术既可能是简单的,也可能是非常复杂的。对于一些简单事物的发展过程(如生产实践活动),预测可以轻松地得以进行并能“想当然”地很快得出结论。但是当今世界,事物的发展往往不是简单、孤立地进行的,各事物之间相互联系,影响因素多且非常复杂,有些甚至没有办法用适当的数学语言来描述,此时,仅仅依靠经验或人工进行预测就显得无能为力,这时就有必要借助各种技术手段了。事实上,预测的本质就是为择优提供依据,反映在数学上就是最优化计算的问题。所以从这个角度分析,当今的任何一种预测都离不开数学模型和计算机模拟。正是基于这一点考虑,本书以易于学习和应用广泛的MATLAB为基础,将计算机模拟技术与定量预测的基本原理紧密结合起来,对人类各种活动的经典预测进行模拟计算、实验,使得预测的理论简明直观、容易理解与应用。本书的目的是帮助读者掌握和应用现代各类预测技术与方法,结合计算机模拟技术,解决各类活动中各种预测问题。虽然这些技术与方法不能完全阻止人们做出不明智甚至愚蠢的预测,但可以让人们认真思考如何去预测,在遇到难以明辨与取舍的问题的时候能有所帮助和启迪。

本书按照理论基础、算法模型、实例三个内容对预测技术进行阐述,着重介绍算法程序和应用实例,具有较强的指导性和实用性。本书对定性预测技术作简单介绍,而对诸如回归分析、时间序列、神经网络、灰色系统等现在较为常用的定量预测技术进行了较为详细的介绍。尽管书中较为详尽地列举了经典而常用的预测技术,但由于实际预测问题的种类繁多、不胜枚举,而且还不断有新问题出现,所以不可能列举出所有的问题来。本书旨在“授人以渔”,予以预测方法的引导和思维的启发,需要读者加以融会贯通和思考引申,从而达到“触类旁通、举一反三”的目的。

本书的出版得到了北京航天航空大学出版社的大力支持,陈守平编辑在本书内容、编排等多个方面提出了宝贵的意见,书中还参考了许多学者的研究成果,在此一并表示衷心的感谢!

由于作者水平、精力及时间有限,加之书的内容较多,程序较多,书中难免存在疏漏,恳请读者不吝赐教,提出宝贵的意见和建议,以匡所不逮。读者可以登录北京航空航天大学出版社的官方网站,选择“下载专区”→“随书资料”下载本书配套的程序代码。也可以关注“北航科技图书”微信公众号,回复“ 3334”可获得本书的免费下载链接。还可以登录MATLAB中文论坛,在本书所在版块(https://www.ilovematlab.cn/forum-277-1.html)下载相应代码。下载过程中遇到任何问题,请发送电子邮件至[e-mail] 或致电010 82317738咨询处理。书中给出的程序仅供参考,读者可根据实际问题进行完善或自行改写,以提升自己的编程实践能力。

读者可随时反馈问题和建议,作者联系方式E-mail:[e-mail],微信:13572198239。

作 者

2020年5月

作者介绍

许国根，现为火箭军工程大学化学教研室教授，曾多次获得军队科技进步奖一、二、三等奖多次，发表著作与论文数十篇，出版图书数十本。

目 录

第1章 预测概述 1
1.1 预测的分类 1
1.2 预测的步骤 2
1.3 预测的精度 4
第2章 定性预测方法 6
2.1 市场调查预测法 6
2.1.1 经营管理人员意见调查预测法 6
2.1.2 销售人员意见调查预测法 7
2.1.3 商品展销、订货会调查预测法 7
2.1.4 试销调查预测法 8
2.2 集合意见预测法 8
2.3 专家会议预测法 8
2.3.1 交锋式会议法 8
2.3.2 非交锋式会议法 8
2.3.3 混合式会议法 9
2.3.4 头脑风暴法 9
2.3.5 德尔菲法 10
2.4 类推预测法 13
2.4.1 类推预测法的基本原理 13
2.4.2 类推预测法的应用 14
2.5 扩散指数法 14
第3章 回归分析预测法 16
3.1 回归分析预测法概述 16
3.1.1 回归模型的基本假定 17
3.1.2 相关关系与因果关系18
3.1.3 相关系数 19
3.1.4 异常点、高杠杆点、强影响观测值和缺失值21
3.2 一元线性回归分析预测法 22
3.2.1 一元线性回归模型 22
3.2.2 回归方程的检验 22
3.2.3 回归模型预测 25
3.3 多元线性回归分析预测法 26
3.3.1 多元线性回归模型 26
3.3.2 回归方程的检验 27
3.3.3 回归模型预测 28
3.3.4 带约束条件的回归模型 28
3.4 违背回归基本假定的回归模型 29
3.4.1 多重共线性 29
3.4.2 逐步回归法和岭回归估计法 33
3.4.3 自相关 35
3.4.4 异方差 41
3.4.5 随机自变量与模型设定误差 47
3.4.6 样本观察值分组平均数据的回归参数估计 48
3.4.7 模型的制定偏误 49
3.4.8 模型变量的观测误差 50
3.5 非线性回归分析预测法 50
3.5.1 常用的可转化为一元线性回归的模型 50
3.5.2 一元多项式回归 52
3.6 二项Logistic回归分析预测法 53
3.6.1 二项Logistic回归模型 53
3.6.2 混合Logistic模型 53
3.6.3 逻辑模型的估计方法 54
3.6.4 显著性检验 58
3.7 离散变量回归模型预测法 59
3.7.1 带虚拟变量的回归模型 59
3.7.2 泊松回归模型 64
3.7.3 负二项回归模型 65
3.8 偏最小二乘方法预测法 66
3.8.1 主成分回归模型 66
3.8.2 偏最小二乘回归模型 69
3.9 联立方程回归模型预测法 71
3.9.1 变量和方程分类 71
3.9.2 联立方程模型的类型 71
3.9.3 同时方程模型的识别 73
3.9.4 联立方程模型的估计方法 74
3.10 分布滞后模型和自回归模型预测法 77
3.10.1 短期效应和长期效应 78
3.10.2 分布滞后模型的直接估计法 78
3.10.3 自回归模型 81
3.10.4 自回归模型的估计 83
3.11 回归分析预测法的MATLAB实战 88
第4章 时间序列预测法 123
4.1 时间序列概述 123
4.1.1 时间序列的基本概念 123
4.1.2 时间序列的特点 125
4.1.3 时间序列特征的识别 126
4.1.4 非平稳数据的处理 128
4.2 指数平滑预测模型 129
4.2.1 移动平均预测法 129
4.2.2 指数平滑预测法 130
4.2.3 Holt指数平滑预测法 132
4.2.4 Holt-Winters指数平滑预测法 133
4.2.5 具有季节性特点的时间序列的预测 134
4.3 自回归过程模型AR(p) 135
4.3.1 自回归的平稳条件 135
4.3.2 自回归过程的自相关系数 136
4.3.3 自回归过程的识别、估计与检验 137
4.4 移动平均过程模型MA(q) 138
4.4.1 移动平均过程的可转换条件 138
4.4.2 移动平均过程的自相关系数 139
4.4.3 移动平均过程的识别、估计与检验 139
4.5 自回归移动平均模型ARMA(p,q) 140
4.5.1 自回归移动平均模型的概念 140
4.5.2 ARMA模型的识别、定阶与检验 140
4.6 ARIMA模型 142
4.7 条件异方差模型(ARCH) 142
4.8 均值生成函数法 143
4.8.1 均生函数 143
4.8.2 周期外延预测模型 144
4.8.3 动态数据的双向差分建模 148
4.8.4 0 1时间序列的分析与建模 152
4.9 时间序列预测的MATLAB实战 153
第5章 马尔可夫链预测法168
5.1 基础知识 168
5.1.1 基本概念 168
5.1.2 平稳分布和遍历性 169
5.2 状态空间的划分 170
5.2.1 经验分组法 170
5.2.2 样本均值、均方差分级法 170
5.2.3 有序样本聚类法 171
5.3 转移概率的计算和检验 172
5.3.1 马氏链转移概率的计算 172
5.3.2 马氏性的检验 173
5.3.3 齐次性的检验 173
5.4 马氏链预测法模型 173
5.4.1 基于绝对分布的马氏链预测法 173
5.4.2 叠加马氏链预测法 174
5.4.3 加权马氏链预测法 175
5.4.4 吸收态马氏链预测法 175
5.5 马氏链预测法的MATLAB实战 176
第6章 灰色预测 186
6.1 灰色系统的基础知识 186
6.1.1 灰 数 186
6.1.2 灰数白化与灰度 187
6.1.3 灰色序列生成算子 187
6.2 灰色分析 189
6.2.1 灰色关联分析 189
6.2.2 无量纲化关键算子 190
6.2.3 数据预处理 191
6.2.4 关联分析的主要步骤 191
6.3 灰色系统建模 192
6.3.1 GM(1,1)模型 192
6.3.2 GM(1,1)模型检验 193
6.3.3 GM(1,1)残差修正模型 194
6.3.4 GM(M,N)模型 195
6.3.5 GM(1,N)模型 196
6.3.6 GM(0,N)模型 197
6.3.7 灰色Verhulst模型 197
6.3.8 GM(1,1)幂模型 198
6.3.9 灰色灾变预测模型 198
6.4 模型的改进 199
6.4.1 基于残差修正的改进模型 199
6.4.2 基于初始条件和信息更新的改进模型 200
6.4.3 基于数据变换的改进模型 201
6.4.4 针对内部建模机制的改进模型 204
6.5 灰色预测法的MATLAB实战 206
第7章 人工神经网络预测法 211
7.1 人工神经网络的基础知识 211
7.1.1 人工神经元 211
7.1.2 传递函数 212
7.1.3 网络的拓扑结构 212
7.1.4 网络的结构设计 215
7.1.5 神经网络的学习规则 215
7.1.6 神经网络的分类和特点 216
7.2 BP人工神经网络 217
7.2.1 BP算法 217
7.2.2 BP算法的改进 218
7.3 径向基函数神经网络(RBF) 219
7.3.1 RBF的结构与学习算法 219
7.3.2 RBF神经网络与BP神经网络的比较 221
7.4 人工神经网络应用要点 221
7.5 人工神经网络方法的缺陷 223
7.6 人工神经网络预测法的MATLAB实战 223
第8章 基于分形理论的预测法 233
8.1 分形理论的基础知识 233
8.1.1 分形理论的提出 233
8.1.2 分形的定义 234
8.1.3 分形的特性 234
8.1.4 分形维数的定义 236
8.2 常维和变维分形预测 238
8.3 时间序列的Hurst指数与R/S分析法 239
8.3.1 Hurst指数及其分形预测 239
8.3.2 Takens相空间重构方法 240
8.4 基于分形理论预测法的MATLAB实战 243
第9章 基于小波分析的预测法 247
9.1 小波分析的数学基础 247
9.1.1 小波的定义 248
9.1.2 小波变换 250
9.1.3 小波函数的选择 251
9.2 多分辨分析 251
9.2.1 多分辨分析的基本原理 252
9.2.2 Mallat算法 252
9.3 小波包分析 253
9.3.1 小波包的定义 254
9.3.2 小波包分解与重构算法 254
9.4 时间序列的小波预测法 255
9.4.1 小波预测模型的基本思想 255
9.4.2 小波预测法的基本步骤 256
9.5 基于小波分析预测法的MATLAB实战 257
第10章 支持向量机预测法 264
10.1 支持向量机理论基础 264
10.1.1 VC维 264
10.1.2 期望风险 264
10.1.3 结构风险最小化 265
10.2 支持向量机 266
10.2.1 线性可分情况 266
10.2.2 线性不可分情况 267
10.3 支持向量机回归 269
10.3.1 损失函数 269
10.3.2 线性回归 270
10.3.3 非线性回归 270
10.3.4 最小二乘支持向量机回归 271
10.4 支持向量机预测模型 272
10.5 支持向量机预测法的MATLAB实战 275
第11章 模糊预测法 278
11.1 模糊系统理论基础 278
11.1.1 模糊集合 278
11.1.2 模糊关系 280
11.1.3 模糊集合的度量 282
11.1.4 模糊规则和推理 283
11.2 模糊预测模型 284
11.2.1 模糊聚类预测模型 284
11.2.2 模糊时序分析预测模型 286
11.2.3 模糊回归分析预测模型 288
11.2.4 模糊神经网络预测模型 290
11.3 模糊预测法的MATLAB实战 292
第12章 组合预测法 301
12.1 组合预测法技术 301
12.2 预测性能评价方法 302
12.2.1 精度指标 302
12.2.2 样本外检验和样本内检验 303
12.2.3 动态时间弯曲距离评价方法 303
12.2.4 二阶预测有效度评价方法 303
12.2.5 预测模型的准确率 304
12.3 模型组合法 305
12.3.1 灰色马尔可夫预测模型 305
12.3.2 灰色线性回归预测模型 306
12.3.3 ARIMA神经网络混合预测模型 306
12.4 结果组合法 307
12.4.1 非最优组合模型预测方法 308
12.4.2 最优组合模型预测方法 309
12.5 基于数据预处理的组合预测模型 315
12.6 基于模型参数和结构优化的组合预测模型 315
12.7 基于误差修正技术的组合预测模型 316
12.8 组合预测法的MATLAB实战 318
参考文献 330