2014我的预测论文 .docVIP

假设环境在短时间内不会受到与题中所给因素的其他外界因素的干扰下,即假设成立下，预测我国未来十年能源消费量和环境空气质量的情况. 从表中数据不难发现,从2002年至2007年平顶山市各个空气污染物排放量总体呈增长趋势,而自实行节能减排后,空气污染物排放量总体逐年下降，通过分析数据,利用灰色GM(1,1)模型预测，为了减少预测误差，对于空气质量的预测的数据进行了修正。 最后，为了我们赖以生存的家园的朝向一个洁净的方向发展，也为了能给给我们人类在环保方面尽一点微薄之力，为我国未来优化城市建设，改善环境质量提供有力的理论依据，供有关部门参考。 　　　灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。 　　数列预测。对某现象随时间的顺延而发生的变化所做的预测定义为数列预测。例如对消费物价指数的预测，需要确定两个变量，一个是消费物价指数的水平。另一个是这一水平所发生的时间 　{xt}，t＝2000,2001,2002，…，2009. 当市年的观测值被记录之后，这组数据就是一个时间序列。 　为了弱化原始时间序列的随机性在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据处理后的时间序列即为生成列。灰色系统常用的数据处理方式有累加和累减两种。 我们可以利用数据进行拟合，利用SPASS软件可找出误差最小的关于时间序列的拟合函数进行预测。 首先对数据进行初步的移动平均法，对时间数列的各项数值，按照一定的时距进行逐期移动，计算出一系列序时平均数，形成一个派生的平均数时间数列，以此削弱不规则变动的影响，显示出原数列的长期趋势。即可以得到得一组数据{0.0265，0.047，0.0595，0.0675，0.0685，0.0625，0.061，0.0645，0.05} 模型汇总和参数估计值 因变量:VAR00001 方程 模型汇总 参数估计值 R 方 F df1 df2 Sig. 常数 b1 b2 b3 三次 .951 32.243 3 5 .001 .004 .059 -.008 .000 其次构造三次时间序列方程进行拟g(t)=a+bt+ct2+dt3，由最小二乘拟合原理，可计算待定系数得a，b,c,d,满足a + bt + ct2+ dt3= y，at + bt2 + ct3+dt4= ty，at2 + bt3 + ct4+dt5= t2y,at3 + bt4 + ct5+dt6= t3y的方程值为a=0.059,b=-0.008,c=0,d=0 时间t从11到20（2010至2020），即得到g(t) 从11到20（2010至2020）的对应数据？？？？计算 再次用g(t+1)—g(t)即得到预测未来十组数据为 通过对误差较低，可知拟合度较高，所得数据误差在允许范围内，所以对后十年在拟合函数下的计算预测是基本可靠的。 对于PM10的年空气含量预测： 对于数据图表我们获得的基本信息，进行差值拟合 模型汇总和参数估计值 因变量:VAR00009 方程 模型汇总 参数估计值 R 方 F df1 df2 Sig. 常数 b1 b2 b3 倒数 .962 200.872 1 8 .000 .083 .329 三次 .971 66.168 3 6 .000 .543 -.179 .027 -.001 幂 .957 179.636 1 8 .000 .400 -.597 利用SPASS软件可找出误差最小的关于时间序列的拟合三次函数进行预测。 我们进行三次方拟合即g(t)=a+bt+ct2+dt3，由最小二乘拟合原理，可计算待定系数得a，b,c,d,满足 a + bt + ct2+ dt3= y，at + bt2 + ct3+dt4= ty，at2 + bt3 + ct4+dt5= t2y, at3 + bt4 + ct5+dt6= t3y的方程值为a=-0.179,b=0.027,c=-0.001,d=0.543 时间t从11到20（2010至2020），即得到g(t) 从11到20（2010至2020）的对应数据？？？？计算 再次用g(t+1)—g(t)即得到预测未来十组数据为 通过对误差较低，可知拟合度较高，所得数据误差在允许范围内，所以对后十年在拟合函数下的计算预测是基本可靠的。 采用与二氧化硫相同的原理使用时间序列进行预测，得出预测数据 对于二氧化氮的年空气含量预测： 对于图表数据我们可得到的基本信息，N