Home Page POM Forecasting PHÂN TÍCH CHUỖI THỜI GIAN
PHÂN TÍCH CHUỖI THỜI GIAN

PHÂN TÍCH CHUỖI THỜI GIAN

Nguyễn Như Phong

Kỹ thuật Hệ thống Công nghiệp

Đại học Bách Khoa TPHCM

 

a. Phân tích chuỗi thời gian

 

Phân tích chuỗi thời gian là phương pháp dự báo định lượng với số liệu đầu vào là chuỗi dữ liệu quá khứ theo thời gian Dt. Chuỗi dữ liệu theo thời gian bao gồm các thành phần:

  • Mức
  • Xu hướng
  • Biến thiên theo mùa
  • Biến thiên chu kỳ
  • Biến thiên ngẫu nhiên

Thành phần mức luôn có mặt trong chuỗi dữ kiện, biễu diễn mức hay độ lớn của chuỗi dữ kiện. Thành phần xu hướng biễu diễn tốc độ gia tăng hay suy giảm của chuỗi dữ kiện theo thời gian.

 

Biến thiên theo mùa biễu diễn dao động của chuỗi dữ kiện theo thời gian với chu kỳ hàng năm quanh thành phần mức hay xu hướng. Biến thiên theo mùa thường có khi nhu cầu ảnh hưởng bởi các sự kịên hàng năm như  thời tiết, khai trường, nghĩ lễ, …

 

Biến thiên chu kỳ biễu diễn dao động của chuỗi dữ kiện theo thời gian quanh thành phần xu hướng. Biến thiên chu kỳ là dao động dài hạn nhiều năm thường là kết quả của các chu kỳ kinh doanh ảnh hưởng bởi các sự kịên như sự phát triển, suy thóai, khủng hỏang, hồi phục của kinh tế.

 

Biến thiên ngẫu nhiên là biến thiên khó có biết trứơc được do lỗi của hệ thống thu thập dữ liệu hay các nguyên nhân ngẫu nhiên như thiên tai, chiến tranh, đình công, … Biến thiên ngẫu nhiên luôn có mặt trong chuỗi dữ kiện và cần được lọc bỏ khi dự báo. Một kỹ thuật thường dùng để lọc bỏ biến thiên ngẫu nhiên là phép lấy trung bình.

 

b. Mô hình phân tích chuỗi thời gian

 

Các mô hình phân tích chuỗi thời gian bao gồm:

  • Mô hình trung bình
  • Mô hình làm trơn hàm mũ – EWMA
  • Mô hình hồi quy – RA .

Các mô hình trung bình cơ bản bao gồm

  • Chu kỳ cuối – LPD
  • Trung bình số học – AA
  • Trung bình dịch chuyển – MA
  • Trung bình dịch chuyển có trọng số – WMA

Mô hình làm trơn hàm mũ là mô hình có kết quả dự báo là trung bình có trọng số của dữ kiện dự báo và dữ kiện thực tế ở chu kỳ trước. Mô hình phân tích hồi quy giả sử nhu cầu có tương quan với thời gian hay là hàm của thời gian. Với hồi quy tuyến tính, giá trị dự báo là hàm tuyến tính của biến thời gian

 

c. Mô hình phân tích chuỗi thời gian thực tế

 

Các mô hình phân tích chuỗi thời gian thực tế thường dùng bao gồm:

  • Mô hình Winter
  • Mô hình phân ly
  • Mô hình Box-Jenkins

Mô hình Winter là một mô hình làm trơn hàm mũ xét cả 3 thành phần mức, xu hướng và mùa. Mô hình phân ly giả sử dữ liệu chuỗi thời gian bao gồm các thành phần xu hướng T, mùa S, chu kỳ C, và ngẫu nhiên R kết hợp cả 2 kỹ thuật làm trơn chuỗi dữ liệu và hồi quy tuyến tính.

Năm 1970, George Box và Gwilym Jenkins xây dựng một phương pháp hệ thống để phân tích chuỗi dữ liệu và lựa chọn mô hình dự báo thích hợp gọi là phương pháp  Box – Jenkins gồm các bước:

  • Xác định cấu trúc mô hình
  • Ước lượng tham số mô hình
  • Kiểm tra sự phù hợp của mô hình

Một mô hình sử dụng phương pháp Box – Jenkins là mô hình ARIMA. Mô hình ARIMA là một mô hình toán dùng cho chuỗi dữ liệu theo thời gian, kết hợp giữa phương pháp hồi quy và phương pháp trung bình dịch chuyển.

 

 

TLTK

Nguyễn Như Phong. Quản lý sản xuất. NXBĐHQG. 2013. ISBN: 978-604-73-1640-3.

 

 

 

 
  • thiet ke noi that chung cu

  • thiet ke noi that chung cu

  • thiet ke noi that chung cu

  • thiet ke noi that chung cu

ABOUT US

ADMIN


GOOD BROWSERS

 
   

STATISTIC

mod_vvisit_countermod_vvisit_countermod_vvisit_countermod_vvisit_countermod_vvisit_countermod_vvisit_countermod_vvisit_counter
mod_vvisit_counterH�m nay24
mod_vvisit_counterH�m qua132
mod_vvisit_counterTu?n n�y434
mod_vvisit_counterTh�ng n�y636
mod_vvisit_counterT?t c?742255
Hiện có 15 khách Trực tuyến