深圳市民用燃气市场需求预测 2(2)

季节性因子反映在年内数据的重复的、有规则的变动，而且以后每年的情况都类似。一般它们或者属季度的变化，或者随月度的变化。

周期性因子反映数据围绕长期趋势线的上、下波动。

不规则因子是随机事件引起的，随着时间的推移，它不再重复（至少不是有规则的）。例如，战争、特别恶劣的天气等等。这些事件由于具有随机性质，所以无法正式列入模型。深圳市居民用气量见下表2。

为便于分析用气量随时间的变化，将表2重新整理为按季节排列的用气情况，如表3中所示。

表3中，共有24个季度的用气量[Q]数值，MA栏是连续4个时期的用气量的移动平均值。该栏第3行的移动平均数计算如下：

MA3＝（Q1＋Q2＋Q3＋Q4）/4 （2）

下一个移动平均数（MA4）算法相同，只是所用的4个季度都向前移动，即去掉第1季度，加上第5季度：

MA4＝（Q2 Q3 Q4 Q5）/4 （3）

因此，4期移动平均值的计算公式可一般地表示为

MAt=（Qt-2 Qt-1 Qt Qt 1）/4 （4）

说明，表3中第1、2期和第12期缺移动平均值，这是因为第1、2期之前和第12期以后用于这一计算的数据不足。

从表3中可以看出，移动平均数的变动性大大小于销售量的变动性，这说明通过计算移动平均数可以消除原始用气量数据中的季节性。每个移动平均数都包括有第1—4季度的值。因此，它表示该一年期内（不一定是日历年）典型的季用气量水平。

按照理想状况，每个移动平均数应当居于它所代表的年份中间。为了做到这一点，还要计算移动平均中心值（CMA）

CMA3=（MA3 MA4）/2 （5）

其一般公式为

CMAt＝（MAt＋MAt 1）/2 （6）

即按照理想状况，MA3的值应当居于第2.5期，MA4的值应当居于第3.5期。现把第〕5期和第3.5期的使加以平均，就得出居于第3期的最能代表该年度典型的季用气量水平的值，这个值就是CAM3。

CMA3=（MA3 MA4）/2 （7）

2.2计算时间序列分解模型的各因子，并利用模型进行预测

①确定长期趋势值

表3中的移动平均中心值（CMA）序列，是消除了季节因素之后，最能代表每个季度典型用气量水平的数据。因此，我们可以用来估计长期趋势值，即：

长期趋势值（CMAT）=f（t） （8）

式中：t—期数