预测计算是指在预测过程中根据预测模型通过数学方法求出初步预测结果的具体运算。

预测计算是指在预测过程中根据预测模型通过数学方法求出初步预测结果的具体运算。

预测计算是预测一般程序中继建立预测模型之后的不可缺少的一步，是产生预测结果的具体途径，对预测结果有着直接影响。预测计算必须认真仔细，精确无误。

对初步求得的预测结果，要考虑到模型中没有包括的因素，对预测数值进行必要的调整，务求预测结果尽可能与实际相符合。

与人工预测相比，计算机预测的优势是耗时短，对于计算比较繁琐的正适合由计算机去进行。特别是安全控制所需要的短期和超短期负荷预测，由于实时性的要求，只有用计算机处理才来得及，人工计算是不行的。但是，因为一些特殊因素难以建立模型，只有凭经验人工加以修正，计算机则无法做到。如果今后都能总结出规律，有了模型，计算机也就可以处理了。所以，人工预测比较准确，计算机预测则误差大些。

预测程序包的目的全在于应用．所以，程序包所选择的模型和方法，应充分考虑其工作效率和先进性。

预测程序包不仅可以供操作人员对装入的各项预测计算程序进行选择，还应提供预测人员对预测过程进行干预的手段。同时，预测程序包还应具有一定的可塑性，可以适应不同用户的要求以及对未来的发展情况进行修改与补充。

作为一种面向用户的应用软件，其操作应力求简单，应尽量减少辅助操作，使具有一般预测知识的人都可以使用。

根据上述要求，预测计算程序包应将不同的预测计算程序做为分枝程序进行处理。把各种预测计算程序编制成相互独立的分程序运行比较灵活。这样设计，便于对计算程序包进行增加、删除和修改，操作人员只需按菜单提示进行选择，就能进行正确的预测计算。

在程序设计中，对于同类型的计算程序尽可能地应用统一的输入输出格式。这样虽然占的内存容量大一些，但是一组输入数据可以调用几种不同的预测计算程序，便于切换，便于进行对比分析。同时，采用设置输入多种参数和特征值的方式，使预测人员能够根据实际情况对模型不断地进行调整和修正，实现人机对话。

移动平均法

移动平均法是取一组观察值，求出其平均值，然后用该平均值作为下期预测值。它是一种平滑预测值，适用于即期一短期预测，数据样式为水平型，‘采用时间数列模型，预测模型为。

其中为时间为t+1的预测值；为时间为t的实际值；N为包含在平均数中的数值个数。

二重移动平均法

二重移动平均法是取一组单重平均数，然后用此组平均数来计算另一组移动平均数。它是一种高级平滑预测法，适用于即期、短期预测，数据样式可为季节型、趋势型。预测模型如下：

其中，为预测值，为实际值，N为包含在平均数中的数值个数，M为未来期数。

指数平滑法

指数平滑法是对一组观察值，给出以指数递减的权数集。在计算新的预测值时，只需要有近期的观察值，近期的预测值和一个a值。它是一种平滑预测法，适用于即期、短期预测，数据样式为水平型，采用时间序列模型。预测模型为

其中a为平滑参数，为时间为t+1的预测值，为时间为t的预测值，为时间为t的实际值。

二重指数平滑法

二重指数平滑法是用单重指数平滑值，来计算另一个指数平滑值，再求二者的差值，将差值加回单重指数平滑值上，作为预测值。它是一种高级平滑预测法，适用于即期．短期预测，数据样式可为季节型，趋势型。预测模型如下：

其中，其中，为实际值，为单重指数平滑值，为双重指数平滑值，为预测值，M为未来期数。

自适应过滤法

自适应过滤法是一种控制预测法(也可以认为是一种高级平滑预测法)，用的数学模型为时间序列模型，适用于近期、短期、中期预测，数据样式为水平型、趋势型、季节型，循环型。它可以根据一组历史数据自动调整权值，选定一组最佳权值，进行预测，还可以用于修匀一组预测数据。

它调整权值的原理为：先给定一权值，然后计算这次预测误差，根据此误差可调整权值．通过反复迭代，直到均方误差达到达到最小时的权值，即为最佳一组权值。

逻辑斯谛曲线法

逻辑斯谛曲线法适用于预测成长曲线拐向饱和值的阶段。数学模型为时间序列模型，适用于耐消费商品的中期、长期预测。

龚柏兹曲线法

龚柏兹曲线法适用于预测成长曲线的迅速增长阶段。数学模型为时间序列模型，适用于中期、长期预测。计算的步骤是先把一组观察值等分成三组，每组包含N个值，对每个观察值取对效，然后按下面的数学模型来进行预测计算。

传统分解法

传统分解法特别适用于进行季节商品的短、中期预测。数据样式为非自相关的趋势型，水平型，季节型，循环型。数据个数最低为5(季)个，模型为时间序列类型。

马尔柯夫分析法

多元线性回归法

多元线性回归法用于多个经济变量之间呈直线因果关系的预测。数学模型可为时间数列、因果型及统计型，数据样式为非自相关趋势型，用于短期，中期及长期预测。