tinyxml时序模式指南[中文版]

第16章 时间序列 16.1 时序模式 就餐饮企业而言，经常会碰到这样的问题： 由于餐饮行业是生产和销售同时进行的，因此销售预测对于餐饮企业十分必要。如何基于菜品 历史销售数据，做好餐饮销售预测？以便减少菜品脱销现象和避免因备料不足而造成的生产延误， 从而减少菜品生产等待时间，提供给客户更优质的服务，同时可以减少安全库存量，做到生产准时 制，降低物流成本。 餐饮销售预测可以看作是基于时间序列的短期数据预测，预测对象为具体菜品销售量。 常用按时间顺序排列的一组随机变量 1 2, , , tX X X 来表示一个随机事件的时间序列，简记为 { }tX ；用 1 2, , , nx x x 或{ , 1, 2, , }tx t n  表示该随机序列的 n 个有序观察值，称之为序列长度为 n 的观察值序列。 本章应用时间序列分析的目的就是给定一个已被观测了的时间序列，预测该序列的未来值。 16.1.1 时间序列算法 常用的时间序列模型见表 16-1。 表 16-1 常用时间序列模型 模型名称 描述 平滑法 平滑法常用于趋势分析和预测，利用修匀技术，削弱短 期随机波动对序列的影响，使序列平滑化。根据所用平滑技 术的不同，可具体分为移动平均法和指数平滑法。 趋势拟合法 趋势拟合法把时间作为自变量，相应的序列观察值作为 因变量，建立回归模型。根据序列的特征，可具体分为线性 拟合和曲线拟合。 组合模型 时间序列的变化主要受到长期趋势（T ）、季节变动 （ S ）、周期变动（C ）和不规则变动（ ）这四个因素的 影响。根据序列的特点，可以构建加法模型和乘法模型。 加法模型： t t t t tx T S C    