[发明专利]一种制造业发货量的最优加权组合预测方法

摘要

本发明涉及一种制造业发货量的最优加权组合预测方法，该方法对全部制造业发货量分别建立单整自回归移动平均模型ARIMA、向量自回归模型VAR、状态空间模型SSM三种模型；建立基于ARIMA‑VAR‑SSM的最优加权组合预测模型；利用人工蜂群算法自动求解最优加权组合预测模型的相关参数；将测试样本带入参数确定后的基于ARIMA‑VAR‑SSM的最优加权组合预测模型，得到预测结果；进行预测误差评价分析。本发明实现了输入时间序列，自动获得预测结果的功能，物理概念明确，思路清晰，计算简便，能直接预测并反映全部制造业发货量的动态特性，预测精度和准确度高，实用性强。

主权项

一种制造业发货量的最优加权组合预测方法，其特征在于，包括步骤如下：S1：由R环境获得原始全部制造业发货量的月度数据，并将其分为训练集和测试集，形成发货量时间序列；S2：对发货量时间序列分别建立单整自回归移动平均模型ARIMA、向量自回归模型VAR和状态空间模型SSM，并分别进行预测分析：建立单整自回归移动平均模型ARIMA的具体步骤为：对发货量时间序列进行平稳化处理，根据自相关图和偏自相关图选取阶数；建立向量自回归模型VAR的具体步骤为：对发货量时间序列进行平稳化处理，并进行协整检验，确定滞后期；建立状态空间模型SSM的具体步骤为：将发货量时间序列转化为状态空间，利用卡尔曼滤波度量不可观测的状态，并用极大似然法估计未知参数；S3：建立基于ARIMA‑VAR‑SSM的最优加权组合预测模型：$x\left(t\right)=\underset{i=1}{\overset{k}{\Σ}}{\mathrm{\ω}}_i\left(t\right)x_i\left(t\right),(t=1,2,\mathrm{\Λ},n)$其中，x_i(t)和x(t)分别为第i个单项预测模型和基于ARIMA‑VAR‑SSM的最优加权组合预测模型在t时刻的预测值，ω_i(t)表示第i个单项预测模型在t时刻的权重，n为验证样本中时间点的个数，且满足：$\underset{i=1}{\overset{k}{\Σ}}{\mathrm{\ω}}_i\left(t\right)=1,{\mathrm{\ω}}_i\left(t\right)\≥0,(t=1,2,\mathrm{\Λ},n)$S4：利用人工蜂群算法自动求解基于ARIMA‑VAR‑SSM的最优加权组合预测模型的相关参数；所述最优加权组合预测模型的相关参数为各单项预测模型的权重系数；S5：将测试样本代入相关参数确定后的基于ARIMA‑VAR‑SSM的最优加权组合预测模型，得到预测结果；S6：进行预测误差评价分析：采用平均绝对百分比误差MAPE作为评价标准进行误差评价分析，平均绝对百分比误差MAPE的计算公式如下：$MAPE=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\frac{\left|e_t\right|}{\hat{x}\left(t\right)}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\frac{|x\left(t\right)-\hat{x}\left(t\right)|}{\hat{x}\left(t\right)}$其中，e_t表示基于ARIMA‑VAR‑SSM的最优加权组合预测模型在t时刻的预测误差，表示t时刻发货量的实际值。