时空序列预测,占卜算卦术语叫什么名字呢
时间序列之分解预测
时间序列是一种常见的数据形式，如经济数据大多数都以时间序列的形式给出。 通常情况下，时间序列具有不平稳性。一般我们将非平稳时间序列的构成要素分为四种，即趋势性(T)、周期性（C）、季节性（S）、随机性或不规则波动（T）；传统时间序列分析的一项主要内容就是将这些影响因素从时间序列中分离出来，并将他们之间的关系用一定的数学关系式表达出来，然后进行分析，这种做法称为分解分析； 按四种因素对时间序列的影响方式不同，时间序列可分解为乘法模型、加法模型、混合模型等，最常用的为乘法模型，其表现形式为：由于分析周期性成分需要有多年的数据，实际中很难得到多年的数据来发现周期性成分，因此分解模型又精简为：针对这类序列的预测方法主要有季节性多元回归预测、季节自回归模型和时间序列分解法预测；我曾经在2个项目中用到分解法预测，通常按照以下步骤进行： 1、确定并分离季节成分。计算季节指数，以确定时间序列中的季节成分，然后将季节成分从时间序列中分离出去，即用每一个时间序列观测值除以相应的季节指数，以消除季节成分； 2、建立预测模型并进行预测。对消除季节成分的时间序列建立适当的预测模型，并根据这一模型进行预测。 3、计算出最后的预测值。用预测值乘以相应的季节指数，得到最终的预测值。 下面采用此方法根据某大型百货公司1991-2000年各季度销售额数据针对2001年各季度销售额进行预测。在开展分析之前，可以先作一个趋势图，通过图形观察数据随时间的变化趋势。 序列具有明显的季节性和趋势性，下面开始计算季节指数，季节指数的计算方法有很多种，我用了移动平均趋势剔出法，主要步骤为： 1、 计算移动平均值（采用4项移动平均），并将结果进行“中心化”处理。也即是将移动平均的结果再进行一次二项的移动平均，即得出“中心化移动平均值”（CMA）。 2、 计算移动平均值，也称季节比率，即将序列的各观察值除以相应的中心化移动平均值，然后再计算出各比值的季度平均值； 3、 季节指数调整。由于各季节指数的平均数应等于1或100%，因此，再将每个季节比率的平均值除以他们的总平均值； 调整后的季节指数如下： 剔除季节成分后的销售额趋势明显，采用多项式拟合可以得到很好的效果，回归拟合度达到了0.9482，根据拟合方程我们便可以进行后期趋势预测，再乘上季节指数，便得到最终预测值；
时态GIS的研究概况
GIS 所描述的现实世界是随时间连续变化的。传统的无时间概念的GIS 中的数据,只能是现实世界在某个时刻的“快照”。当被描述的对象随时间变化比较缓慢且变化的历史过程无关紧要时,可以用“数据更新”的方式来处理时间变化的影响。然而,在某些应用中,被描述的对象随时间变化很快(例如云量变化、日照变化等) 或者历史数据也必须予以保存(例如,地籍变更、海岸线变化、环境变化等) 。又比如,地球科学家想对某一时刻的所有地质条件或某一时间段内的平均地质条件进行评价,他们是否能容易地获得在“A 时刻的值”或“从时间B 到时间C 这段时间内的值”。为充分满足地球科学家的需要,这种时间数据获取能力应该与3D 模型相结合。许多人认为地质特征是不变的,但实际上大部分地质特征是动态的、变化的,不是所有地质情况都是变化缓慢的,水灾、地震、暴风雨以及滑坡都会使局部地质条件发生快速而巨大的变化。地质学家对4D(立体3D 加上时间第4D) 的空间- 时间模型尤感兴趣。在这些情况下,时间就必须作为一个与空间同等重要的因素引入到GIS 中来,这样便产生了时态GIS( TGIS - Temporal GIS) 或四维GIS 的概念。时态GIS 或四维GIS 就是要在GIS 中考虑时间变化的概念,是指在原有的三维GIS 基础上加入时间变量而构成的GIS[8 ] 。其关键问题是建立合适的时间与空间联合的数据模型- 时空数据模型。Langran 作了TGIS 方面最早的博士论文[9 ] ,Lan2gran ( 1989 , 1993) [9～10 ] 、Worboys ( 1994) [11 ] 、Raper等(1995) [12 ] 、Donna (1995) [13 ]等分别提出和讨论了快照方式、复合方式和事件方式等来进行时态数据结构和数据库的设计并在时间和空间推理方面展开了研究,Raper 等(1995) [12 ]还设计了时空数据库查询语言。1996 年UCGIS(University C**ortium forGeographic Information Science ) 将TGIS 作为“地理描述扩展”的一部分列入GISci 十大优先研究领域之列[14 ] 。TGIS 在国内外吸引了越来越多的学者进行深入研究。当前主要的TGIS 模型包括,空间- 时间立方体模型( the space - time cube) ,序列快照模型( se2quent snapshot s) ,基图修正模型( base state with a2mendment s) ,空间- 时间组合体模型( space - timecomposite) 。TGIS 的研究重点主要在,时空数据库模型(如何设计并建立一个有效的数据库结构来存储时空数据) ,时空分析和推理(即如何根据数据库中的大量的时间序列数据和空间数据进行包括时间推理和空间推理在内的数据分析) ,时空数据库管理系统(目前主要研究的是时空数据库查询语言,而真正数据库管理系统层次的研究很少) ,时空数据的可视化研究(探讨不同时间数据的显示、制图和符号化) 等4 个方面。其中有关时空数据库模型的研究比较深入,而对时态的可视化问题,研究较少,过去一般借助轨迹线等方法描述地理数据的时态特征,现在的研究是向借助动画技术表述地理数据时间维的方向发展[15 ] 。 时间的引入使GIS 的信息量大大增加,并增加了数据库管理的复杂性,传统GIS 已不能胜任,必须建设新的时态GIS ,而时态GIS 系统的关键是时空数据库的建设及时空数据库的管理,而这些与时空数据模型有关,目前仍是研究的重点。本文在总结已有研究成果的基础上,拟在此初步归纳出时态GIS 应具有的主要功能,尤其是在时间方面的主要功能,并提出在时态GIS 尚不成熟条件下,基于传统GIS 解决时间方面问题的某些思路,以供探讨。时态GIS 的主要功能模块应包括输入、存储、编辑和更新模块,时空数据库管理模块,查询和检索模块,时空分析模块,显示和输出模块等模块。其中时空数据库管理和时空分析模块是时态GIS 所特有的功能,其余模块虽然在传统GIS 系统中也是具备的,但是在时态GIS 中也有其新的要求。时空数据库管理模块应提供时空数据库的定义、时空数据库的基本操作(包括复制、删除等一般数据库操作) 及数据交换(包括与其他数据库、传统GIS 数据库及其他时空数据库的数据交换) 功能。其中时空数据库的定义与时空数据模型有关,一个合理的时空数据模型必须考虑节省存贮空间,加快存取、查询、分析的响应速度以及表现时空语义几个方面的因素,目前尚处于研究阶段。因此在目前条件下,要解决时态问题,可以在传统GIS 中引入时间概念,建立层次模型的数据结构(即时空数据结构) ,基于层次模型的数据结构进行数据的存取、访问、查询和分析。空间分析是传统GIS 的核心,而时空分析是时态GIS 的核心。时空分析模块应包括时空数据的分类、时间量测、基于时间的平滑和综合、变化的统计分析、时空叠加、时间序列分析以及预测分析等[6 ] 。时空数据的分类指对时空数据根据不同的分类体系进行重组,派生新的数据。时间量测指计算并显示历史数据的时间。基于时间的空间数据的平滑和综合中平滑是根据对象在不同的时间的不同状态推测对象的中间状态,综合是根据一定的时间综合原则对空间数据进行合并。变化的统计分析指根据时空数据对变化的速度、频率、范围等进行多种统计分析。时空叠加分析是将不同时间的空间对象叠加在一起,主要包括,事件与事件的叠加、状态与状态的叠加、事件和状态的叠加。时间序列分析指对一个对象根据时间序列进行空间上的排列,这种分析主要针对同一个对象不能同时在不同的位置的现象。预测分析是一种基于多种数据运用数学模型根据某种目的进行推理的一种综合分析,如矿产资源的预测等。输入、存储、编辑和更新模块是传统GIS 系统中也具备的模块,但是在时态GIS 中,该模块除能对常规GIS 数据进行输入、存储、编辑和更新外,还应能处理时态数据,包括历史数据和预测数据。在层次模型的数据结构基础上,一种直观的数据存储方案是将不同时期的数据分别作为一个数据层来进行存储,目前已有部分传统GIS 采用了这种方法。当数据层次较少时,该方法不失为一种有效的选择,但是如果数据层次较多,比如数据需要每天更新,则这种方法就不现实了。此时可以考虑采用时间标记法建立时空数据结构,记录地理要素的创立时间和消失时间,时空数据的更新则包括旧数据的保存和新数据的加入,旧数据的保存可以通过给数据记录添加消失时间来实现,而新数据的加入则可以通过在数据文件中添加新的数据记录并记录创立时间来实现。查询和检索模块应具备属性查询、空间查询、时间查询以及联合查询功能。其中属性查询、空间查询以及联合查询在传统GIS 中已相当成熟,时态GIS 中需增加的是时间查询及与其它查询的联合查询,这需要增加时间查询操作符,应包括时间连接操作、时间拓扑关系操作、时间距离操作、时空拓扑关系操作等查询操作符。如上所述,可以在传统GIS基础上,基于层次模型的数据结构进行与时间有关的查询和检索。显示和输出模块应能实现动画显示、不同符号和颜色显示、立体显示以及输出。有效地显示并输出时空数据是时态GIS 应用成果的具体表现形式,如矿产预测应用领域的结果输出等。
时间序列分析预测法优缺点
时间序列分析预测法有两个特点：①时间序列分析预测法是根据市场过去的变化趋势预测未来的发展，它的前提是假定事物的过去会同样延续到未来。事物的现实是历史发展的结果，而事物的未来又是现实的延伸，事物的过去和未来是有联系的。市场预测的时间序列分析法，正是根据客观事物发展的这种连续规律性，运用过去的历史数据，通过统计分析，进一步推测市场未来的发展趋势。市场预测中，事物的过去会同样延续到未来，其意思是说，市场未来不会发生突然跳跃式变化，而是渐进变化的。时间序列分析预测法的哲学依据，是唯物辩证法中的基本观点，即认为一切事物都是发展变化的，事物的发展变化在时间上具有连续性，市场现象也是这样。市场现象过去和现在的发展变化规律和发展水平，会影响到市场现象未来的发展变化规律和规模水平；市场现象未来的变化规律和水平，是市场现象过去和现在变化规律和发展水平的结果。需要指出，由于事物的发展不仅有连续性的特点，而且又是复杂多样的。因此，在应用时间序列分析法进行市场预测时应注意市场现象未来发展变化规律和发展水平，不一定与其历史和现在的发展变化规律完全一致。随着市场现象的发展，它还会出现一些新的特点。因此，在时间序列分析预测中，决不能机械地按市场现象过去和现在的规律向外延伸。必须要研究分析市场现象变化的新特点，新表现，并且将这些新特点和新表现充分考虑在预测值内。这样才能对市场现象做出既延续其历史变化规律，又符合其现实表现的可靠的预测结果。②时间序列分析预测法突出了时间因素在预测中的作用，暂不考虑外界具体因素的影响。时间序列在时间序列分析预测法处于核心位置，没有时间序列，就没有这一方法的存在。虽然，预测对象的发展变化是受很多因素影响的。但是，运用时间序列分析进行量的预测，实际上将所有的影响因素归结到时间这一因素上，只承认所有影响因素的综合作用，并在未来对预测对象仍然起作用，并未去分析探讨预测对象和影响因素之间的因果关系。因此，为了求得能反映市场未来发展变化的精确预测值，在运用时间序列分析法进行预测时，必须将量的分析方法和质的分析方法结合起来，从质的方面充分研究各种因素与市场的关系，在充分分析研究影响市场变化的各种因素的基础上确定预测值。需要指出的是，时间序列预测法因突出时间序列暂不考虑外界因素影响，因而存在着预测误差的缺陷，当遇到外界发生较大变化，往往会有较大偏差，时间序列预测法对于中短期预测的效果要比长期预测的效果好。因为客观事物，尤其是经济现象，在一个较长时间内发生外界因素变化的可能性加大，它们对市场经济现象必定要产生重大影响。如果出现这种情况，进行预测时，只考虑时间因素不考虑外界因素对预测对象的影响，其预测结果就会与实际状况严重不符。时空观的特点在于哪?
时空数据是同时具有时间和空间维度的数据，现实世界中的数据超过80%与地理位置有关。时空大数据包括时间、空间、专题属性三维信息，具有多源、海量、更新快速的综合特点。随着科学技术的快速发展,人类对自身生活环境的探索已经不仅仅局限于周围的世界，探索空间的外沿急剧扩展，已经遍及地球各个角落、各个圈层,并延伸到外太空。因此，如何表述人类活动的客观世界和活动特征，已经成为了科研机构和人员研究的热点和重点。伴随着计算机技术的发展,如何利用计算机模拟和表征客观世界和人类活动，无疑也为学者提供了广阔的研究空间。伴随着人们探索空间的过程,各种信息的获取范围也从局部地面、全球地表、地球各个圈层扩展到地球内外的整个空间，从原有二维平面空间基准逐步演变到三维空间基准，进而演变到反映地理空间对象时空分布的四维空间基准。时空数据是指具有时间元素并随时间变化而变化的空间数据，是描述地球环境中地物要素信息的一种表达方式。这些时空数据涉及到各式各样的数据，如地球环境地物要素的数量、形状、纹理、空间分布特征、内在联系及规律等的数字、文本、图形和图像等,不仅具有明显的空间分布特征，而且具有数据量庞大、非线性以及时变等特征。同时具有时间和空间维度的数据，现实世界中的数据超过80%与地理位置有关。时空大数据包括时间、空间、专题属性三维信息，具有多源、海量、更新快速的综合特点。时空数据由于其所在空间的空间实体和空间现象在时间、空间和属性三个方面的固有特征，呈现出多维、语义、时空动态关联的复杂性，因此，需要研究时空大数据多维关联描述的形式化表达、关联关系动态建模与多尺度关联分析方法，时空大数据协同计算与重构提供快速、准确的面向任务的关联约束。时间序列预测法名词解释
时序的解释
[seasonal change order]
季节变化的次序;先后的 顺序 草木 随着 时序的变化而 枯荣 时序刚刚过了秋分,就觉得突然增加了一些凉意。——《秋色赋》 详细解释 (1). 时间 的先后；季节的次序。 《史记·苏秦列传论》 ：“吾故列其行事，次其时序，毋令独蒙恶声焉。” 《文选·陆机＜赠尚书郎顾彦先＞诗》 ：“凄风迕时序，苦雨遂成霖。” 李善 注：“ 《庄子》 曰：阴阳四时运行，各得其序。” 宋 梅尧臣 《冬雷》 诗：“天公岂欺物，若此汩时序。” (2).节候；时节。 唐 李益 《合源溪期张计不至》 诗：“霜露肃时序，缅然方独寻。” 元 郑光祖 《智勇定齐》 第二折：“这些时慵怠粧梳，正遇着务 农忙 养蚕时序。” 曹靖华 《 飞花 集·穿着细事且莫 等闲 看》 ：“春夏秋冬，时序更迭。” (3).时间； 光阴 。 《北史·赵文表传》 ：“后自发彼蕃，已淹时序，途经沙漠， 人马 疲劳。” 唐 韦 应物 《寄柳州韩司户郎中》 诗：“怅望城阙遥，幽居时序永。” 宋 苏舜钦 《晚泊龟山》 诗：“每伤道路销时序，但屈心情入酒杯。” 郭沫若 《文艺论集·文学的本质》 ：“这 单纯 的 或者 复杂的感情如不加以时序的延长，那是不能发生出诗的表现的。” (4).犹时世。 南朝 梁 刘勰 《文心雕龙·时序》 ：“故知文学染乎世情，兴废系乎时序。” 元 秦简夫 《赵礼让肥》 第四折：“贤臣良将保銮舆，正遇着得收成太平时序。” 明 王文昌 《南绣停针·夏景》 套曲：“良辰美景天付与，正四海太平时序。” (5).犹承序，承顺。言有条理。 《史记· 五帝 本纪》 ：“ 舜 举八恺，使主后土，以揆百事，莫不时序。” 汉 蔡邕 《汉太尉杨公碑》 ：“敬揆百事，莫不时序。” 《旧唐书·文苑传下·吴通玄》 ：“今 四方 无事，百揆时序，制书职分，宜归中书 舍人 。” 参见 “ 时叙 ”。
词语分解
时的解释 时 （时） í 一切事物不断发展变化所 经历 的过程：时间。时不我与。 较长的时间：时代。古时。 泛指一段时间：时光。时令。时分。 现在的，当前的：当时。时下。时务。 时宜 。 常常：时常。学而时习之。 一年 序的解释 序 ù 次第 ：顺序。 秩序 。次序。工序。程序。序数。 排列次第：序次。序列。 开头的，在正式内容之前的：序言。序跋。 序曲 。序幕。序论。 古代指送别赠言的文字。 指季节：四序。 古代地方办的学校： 庠序 。
时间序列预测方法有哪些分类,分别适合使用的情况是?
价格预测是指根据价格运动变化的规律性，通过对构成和影响价格变化的各种因素的分析，对商品价格的未来变化和趋势作出判断和推测．价格预测的类型如下：1）按时间长短可分为以下4类：① 长期价格预测② 中期价格预测③ 短期价格预测④ 近期价格预测2）按价格预测范围大小可分为以下2类：① 宏观价格预测② 微观价格预测3）按商品类别可分为以下4类：① 工业品价格预测② 农产品价格预测③ 劳务价格预测④ 国际行情价格预测4）按预测方法可分为以下2类：① 定性预测② 定量预测价格预测内容包括以下4点：1）商品价格主要因素变化趋势预测2）价格水平变化趋势预测3）价格结构变化预测4）价格效应预测价格预测方法分为如下2类：1）定性预测方法2）定量预测方法定性预测法种类分为以下3类：1）类推法：把预测目标同其他类似的事物加以对比分析来推断其发展趋势。2）集合意见法：参加预测人员凭自己的经验对某种事件出现的可能性作出的一种 估计，然后将这些估计意见集中起来，形成预测意见．3）专家意见法：根据专家的知识和经验进行价格预测① 专家会议法② 专家小组法指数平滑预测法是指利用过去的数据资料，采取加权移动平均的改变形式取得预测值的一种方法。
