Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
I d<strong>en</strong>ne modell<strong>en</strong> forklares også tr<strong>en</strong>d,<br />
gitt i likning (2). Vi ser da også at prognos<strong>en</strong><br />
for volum tellerskritt pr abonnem<strong>en</strong>t<br />
pr virkedag er voks<strong>en</strong>de i alle perioder.<br />
Når d<strong>en</strong>ne prognos<strong>en</strong> multipliseres<br />
med abonnem<strong>en</strong>t og virkedager bidrar<br />
dette til at prognos<strong>en</strong> for volum tellerskritt<br />
ligger nærmere de observerte<br />
verdier <strong>en</strong>n tilfellet var i modell<strong>en</strong> basert<br />
på ekspon<strong>en</strong>tiell glatting.<br />
Tabell 4b viser testparametr<strong>en</strong>e.<br />
Vi ser at samtlige testparametere er forbedret<br />
i forhold til modell<strong>en</strong> basert på<br />
ekspon<strong>en</strong>tiell glatting. ME viser at modell<strong>en</strong><br />
i gj<strong>en</strong>nomsnitt lager (litt) for høye<br />
prognoser, sid<strong>en</strong> verdi<strong>en</strong> er negativ. Selv<br />
om MAE og MAPE nest<strong>en</strong> er halvert, er<br />
likevel ikke MSE og RMSE tilsvar<strong>en</strong>de<br />
forbedret. Dette skyldes modell<strong>en</strong>s<br />
mangl<strong>en</strong>de evne til å beskrive sesongsvingning<strong>en</strong>e<br />
for volum tellerskritt pr<br />
abonnem<strong>en</strong>t pr virkedag.<br />
4.3 Holt-Winters metode<br />
Prognosemodell<strong>en</strong> er gitt ved tre oppdateringslikninger,<br />
(1), (2) og (3), og <strong>en</strong><br />
prognoselikning (4):<br />
ˆµ t = 0,9( ˆµ t−1 + ˆ β t−1 )+ 0,1(y t − ˆ S t−m )<br />
ˆ β t = 0,8 ˆ β t−1 + 0,2( ˆµ t − ˆµ t−1 )<br />
ˆ S t = 0,7 ˆ S t−m + 0,3(y t − ˆµ t )<br />
F t+k = ˆµ t + k ˆ β t + ˆ S t+k−m<br />
(1)<br />
(2)<br />
(3)<br />
(4)<br />
Her er:<br />
yt, , , , , Ft+k og k de<br />
samme som i Holts modell, se kapittel<br />
3.2. Dessut<strong>en</strong> er:<br />
= estimat for tidsrekk<strong>en</strong>s sesongsvingning,<br />
tidspunkt t<br />
= estimat for tidsrekk<strong>en</strong>s sesongsvingning,<br />
tidspunkt t-m<br />
= prognose for tidsrekk<strong>en</strong>s<br />
sesongsvingning k perioder frem<br />
m = antall sesongsvingninger i tidsrekk<strong>en</strong>,<br />
her 12.<br />
Konstant<strong>en</strong>e 0,9 og 0,1 i (1) og 0,8 og 0,2<br />
i (2) kalles glattingsparametere og har tilsvar<strong>en</strong>de<br />
tolkning som konstant<strong>en</strong>e i hhv<br />
likning (1) og (2) i modell<strong>en</strong> basert på<br />
Holts metode. I likning (3), som<br />
estimerer tidsrekk<strong>en</strong>s sesongsvingninger,<br />
uttrykker konstant<strong>en</strong> 0,7 d<strong>en</strong> vekt som<br />
legges på historiske estimater for sesongsvingning<strong>en</strong>e,<br />
m<strong>en</strong>s konstant<strong>en</strong> 0,3<br />
ˆ St+k−m ˆ St−m ˆ St ˆ βt−1 ˆ βt ˆµ t−1<br />
ˆµ t<br />
Tabell 5a Prognose fra modell basert på Holt-Winters metode og faktiske observasjoner<br />
Periode Abonne- Virke- Volum Volum Volum<br />
m<strong>en</strong>t dager ts/ab/vdag tellerskritt tellerskritt<br />
1992 Prognose Prognose Observasjon<br />
august 51322 24 15,59 19203 19279<br />
september 51571 24,4 16,65 20951 21025<br />
oktober 51743 24,7 17,29 22097 21457<br />
november 51845 23,7 17,39 21368 21278<br />
desember 51943 22,2 17,48 20157 19540<br />
1993 52052 23,4 17,57 21401 21225<br />
februar 52359 22,4 17,40 20407 20404<br />
mars 52565 25,4 17,85 23832 23376<br />
april 52648 20,95 18,21 20085 19482<br />
mai 52714 21,45 17,83 20161 20375<br />
juni 52720 24,4 17,28 22228 22630<br />
juli 52721 24,7 13,47 17541 17690<br />
ME MPE MSE RMSE MAE MAPE<br />
-139 -0,67 136829 370 292 1,41<br />
uttrykker d<strong>en</strong> vekt som legges på ny<br />
informasjon om sesongsvingning<strong>en</strong>e.<br />
Verdi<strong>en</strong>e for de tre glattingsparametr<strong>en</strong>e<br />
er satt skjønnsmessig.<br />
Tabell 5a viser prognose og observasjonsdata<br />
som testing<strong>en</strong> skal foretas på.<br />
Av prognos<strong>en</strong>e for volum tellerskritt pr<br />
abonnem<strong>en</strong>t pr virkedag ser vi at også<br />
sesongsvingning<strong>en</strong>e er ivaretatt: Selv om<br />
prognos<strong>en</strong>e stiger over hele prognoseperiod<strong>en</strong><br />
under ett, er prognos<strong>en</strong> for <strong>en</strong>kelte<br />
perioder lavere <strong>en</strong>n foregå<strong>en</strong>de periode<br />
i typiske “lav-sesong-måneder” som<br />
f eks juni og juli. Dette gir forv<strong>en</strong>tning<br />
om <strong>en</strong> prognose som treffer de ulike period<strong>en</strong>e<br />
bedre <strong>en</strong>n de foregå<strong>en</strong>de modell<strong>en</strong>e.<br />
Tabell 5b viser testparametr<strong>en</strong>e.<br />
Som forv<strong>en</strong>tet ser vi <strong>en</strong> radikal forbedring<br />
i MSE og RMSE. I tillegg er MAE<br />
og MAPE forbedret med <strong>en</strong> reduksjon på<br />
godt over 2/3. Modell<strong>en</strong> overestimerer<br />
imidlertid utvikling<strong>en</strong>, idet ME og MPE<br />
er negative. ME og MPE angir <strong>en</strong> noe<br />
skjevere prognose <strong>en</strong>n Holts metode.<br />
4.4 Box-J<strong>en</strong>kins metode<br />
Prognosemodeller bygget med Box-J<strong>en</strong>kins<br />
metode er basert på at prognos<strong>en</strong>e kan<br />
uttrykkes ved tidligere verdier av tidsrekk<strong>en</strong><br />
og støyledd (d<strong>en</strong> uforklarte del av<br />
modell<strong>en</strong>). Vektlegging<strong>en</strong> av tidligere<br />
verdier av tidsrekk<strong>en</strong> og støyledd skjer<br />
ved estimering av parametere, slik at vi til<br />
<strong>en</strong>hver tid opererer med optimale verdier<br />
Tabell 5b Testparametere for modell basert<br />
på Holt-Winters metode<br />
for vekt<strong>en</strong>e. Hvert elem<strong>en</strong>t i modell<strong>en</strong> blir<br />
valgt ut fra id<strong>en</strong>tifikasjon av avh<strong>en</strong>gighet<strong>en</strong><br />
mellom observasjon<strong>en</strong>e i tidsseri<strong>en</strong>.<br />
Prognosemodell<strong>en</strong> som vi har valgt er<br />
gitt ved:<br />
yt+k = yt+k-1 + yt+k-12 - yt+k-13 -<br />
0,78at+k-1 - 0,80at+k-12 Her er:<br />
yt+k = prognose for volum tellerskritt<br />
pr abonnem<strong>en</strong>t pr virkedag, tidspunkt<br />
t+k<br />
ai = et stokastisk støyledd, med visse<br />
eg<strong>en</strong>skaper, som repres<strong>en</strong>terer d<strong>en</strong><br />
uforklarte del av tidsrekk<strong>en</strong>, på tidspunkt<br />
i. i = t+k-1, t+k-12.<br />
Konstant<strong>en</strong>e er estimerte parametere.<br />
Prognos<strong>en</strong>e g<strong>en</strong>ereres ved at alle fremtidige<br />
støyledd settes lik 0.<br />
Modell<strong>en</strong>s form med <strong>en</strong> parameter for<br />
støyleddet på tidspunkt t-1 og <strong>en</strong> parameter<br />
for støyleddet på tidspunkt t-12<br />
(samt <strong>en</strong> differ<strong>en</strong>siering og <strong>en</strong> sesongdiffer<strong>en</strong>siering),<br />
har navnet Airline-modell<strong>en</strong><br />
fordi d<strong>en</strong> oprinnelig ble utviklet for<br />
å lage prognoser for flypassasjertrafikk.<br />
D<strong>en</strong> har s<strong>en</strong>ere vist seg å passe godt som<br />
prognosemodell for bl a teletrafikk.<br />
Tabell 6a viser prognose og observasjonsdata<br />
som testing<strong>en</strong> skal foretas på.<br />
Modeller bygget med d<strong>en</strong>ne fleksible<br />
metod<strong>en</strong> kan i utgangspunktet virke vanskelig<br />
å tolke. Imidlertid er det slik at<br />
129