『壹』 預測趨勢用什麼方法
預測趨勢常用的方法有多種，具體如下：
1. 時間序列分析
時間序列分析是一種基於歷史數據預測未來趨勢的方法。它通過研究和分析對象隨時間變化的數據序列，揭示其發展趨勢和規律。這種方法常用於經濟預測、市場趨勢預測等領域。時間序列分析可以通過線性回歸、指數平滑等技術來預測未來的數據點。
2. 回歸分析
回歸分析是一種統計方法，用於預測自變數與因變數之間的關聯性。在趨勢預測中，我們可以利用回歸分析來建立模型，預測某一變數隨另一變數變化的趨勢。例如，通過線性回歸、多項式回歸等方法，可以分析數據間的關聯性，從而預測未來的趨勢。
3. 機器學習演算法
隨著技術的發展，機器學習演算法在趨勢預測領域得到了廣泛應用。支持向量機、神經網路、隨機森林等演算法，可以通過學習歷史數據中的模式來預測未來的趨勢。這些演算法能夠自動提取數據的特徵，並基於這些特徵建立預測模型，從而實現趨勢的預測。
4. 指標體系構建
在某些復雜的系統中，為了全面反映趨勢的變化，我們可以構建相應的指標體系。通過選擇一系列與趨勢相關的指標，分析這些指標的變化情況，可以預測整體趨勢的發展。這種方法常用於社會經濟、環境等領域的趨勢預測。
以上便是預測趨勢的幾種常見方法。每種方法都有其特點和適用場景，實際選擇哪種方法需根據具體的數據特徵、預測需求和資源條件來決定。
『貳』 趨勢分析和回歸分析，線性、對數、多項式、盛冪、指數、移動平均分析有何不同
1 趨勢分析法
趨勢分析法稱之趨勢曲線分析、曲線擬合或曲線回歸，它是迄今為止研究最多，也最為流行的定量預測方法。它是根據已知的歷史資料來擬合一條曲線，使得這條曲線能反映負荷本身的增長趨勢，然後按照這個增長趨勢曲線，對要求的未來某一點估計出該時刻的負荷預測值。常用的趨勢模型有線性趨勢模型、多項式趨勢模型、線性趨勢模型、對數趨勢模型、冪函數趨勢模型、指數趨勢模型、邏輯斯蒂(logistic)模型、龔伯茨(gompertz)模型等，尋求趨勢模型的過程是比較簡單的，這種方法本身是一種確定的外推，在處理歷史資料、擬合曲線，得到模擬曲線的過程，都不考慮隨機誤差。採用趨勢分析擬合的曲線，其精確度原則上是對擬合的全區間都一致的。在很多情況下，選擇合適的趨勢曲線，確實也能給出較好的預測結果。但不同的模型給出的結果相差會很大，使用的關鍵是根據地區發展情況，選擇適當的模型。分析珠海市1995年以來的用電量歷史數據，發現具有比較明顯的二項式增長趨勢，模型曲線為y=0.229565x2-914.8523x+911472.65，利用該模型曲線得到2005年到2010年的用電量水平分別為52.78億kwh和85.08億kwh。擬合曲線如圖1所示。
2 回歸分析法
回歸分析法(又稱統計分析法)，也是目前廣泛應用的定量預測方法。其任務是確定預測值和影響因子之間的關系。電力負荷回歸分析法是通過對影響因子值(比如國民生產總值、工農業總產值、人口、氣候等)和用電的歷史資料進行統計分析，確定用電量和影響因子之間的函數關系，從而實現預測。但由於回歸分析中，選用何種因子和該因子系用何種表達式有時只是一種推測，而且影響用電因子的多樣性和某些因子的不可測性，使得回歸分析在某些情況下受到限制。
對珠海市歷年用電量和國內生產總值gdp、人口popu等數據進行分析，求得回歸方程為：y=-3.9848+0.0727gdp+0.10307popu，用該模型預測2005年和2010年的用電量水平分別為47.11億kwh和70.98億kwh。
回歸分析預測方法是要通過對歷史數據的分析研究，探索經濟、社會各有關因素與電力負荷的內在聯系和發展變化規律，並根據對規劃期內本地區經濟、社會發展情況的預測來推算未來的負荷。可見該方法不僅依賴於模型的准確性，更依賴於影響因子其本身預測值的准確度。
3 指數平滑法
趨勢分析和回歸分析都是根據時間序列的實際值建立模型，再利用模型來進行預測計算的。指數平滑法是用以往的歷史數據的指數加權組合，來直接預報時間序列的將來值。
圖1 擬合曲線圖
其中衰減因子0<α<1，體現"重近輕遠"，即近期數據對預測影響大，遠期數據影響小的基本原則。α越大時，由近期到遠期數據的加權系數由大變小就越快，是強調新近數據的作用。例如當α=0.9時，各加權系數分別為0.9，0.09，0.009等。在極端情形下，α=1，則以往數據對預報沒有任何影響。
對於電力系統負荷預測，重要的是曲線越接近目前時刻，就應當越准確，而對於過去很久的數據，不必要作很精確的擬合。類似慣性作用。
從對珠海市的實例計算可以看出，預測效果比較好。實例計算表明該方法能較好地模擬珠海市的實際並進行預測。但其不宜用於過長時期的預測。
4 單耗法
單耗法是根據第一、二、三產業每單位用電量創造的經濟價值，從預測經濟指標推算用電需求量，加上居民生活用電量，構成全社會用電量。預測時，通過對過去的單位產值耗電量進行統計分析，並結合產業結構調整，找出一定的規律，預測規劃期的一、二、三產業的綜合單耗，然後按國民經濟和社會發展規劃的指標，按單耗進行預測。
單耗法需要做大量細致的統計、分析工作，近期預測效果較佳。但在市場經濟條件下，未來的產業單耗和經濟發展指標都具有不確定性，對於中遠期預測的准確性難以確定。
5 灰色模型法
灰色系統理論是反模糊控制的觀點和方法延伸到復雜的大系統中，將自動控制與運籌學的數學方法相結合，研究廣泛存在於客觀世界中具有灰色性的問題。有部分信息已知和未知的系統稱為灰色系統。
利用一階灰色模型對珠海市全社會用電量進行了預測分析。2005年全社會用電量預測其結果應該是令人滿意的。通過對原始數據的不同處理方法形成6種方案，預測2005年全社會用電量為50億kwh左右，與其它常用方法預測的結果相當接近。這6種方案中除方案3檢驗為不合格外，其餘全為優。但使用長數據列得到的結果與其它相比，並不佔優，數據列過長，系統受干擾的成分多，不穩定因素大，反而易使模型精度降低，降低預測結果的可信度。
6 負荷密度法
負荷密度一般以kw/km2表示。不同地區、不同功能的區域，負荷密度是不同的。利用負荷密度法，一般要將預測區域分成若干功能區,如商業區、工業區、居住區、文教區等，然後根據區域的經濟發展規劃、人口規劃、居民收入水平增長情況等，參照本地區或國內外類似地區的用電水平，選擇一個合適的負荷密度指標，推算功能區和整個預測區的用電負荷。計算公式是a=sd，其中s是土地面積，d是用電密度。該方法主要適用於土地規劃比較明確的城市區域，我們在做珠海市城區配電網路規劃預測負荷時用了該方法。
7 彈性系數法
電力彈性系數是反映電力消費的年平均增長率和國民經濟的年平均增長率之間的關系的宏觀指標。電力彈性系數可以用下面的公式來表示：
e=ky/kx
式中 e-為電力彈性系數
ky-為電力消費年平均增長率
kx-為國民經濟年平均增長率
在市場經濟條件下，電力彈性系數已經變得捉摸不定，並且隨著科學技術的迅猛發展，節電技術和電力需求側管理，電力與經濟的關系急劇變化，電力需求與經濟發展的變化步伐嚴重失調，使得彈性系數難以捉摸，使用彈性系數法預測電力需求難以得到滿意的效果，應逐步淡化。
8 分析與比較
(1)從適用條件看，回歸分析和趨勢分析致力於統計規律的研究與描述，適用於大樣本，且過去、現在和未來發展模式一致的預測；指數平滑法是利用慣性原理對增長趨勢外推，實現"重近輕遠"的預測原則；產值單耗法一般根據歷史統計數據，在分析影響產值單耗的諸因素的變化趨勢基礎上確定單耗指標，然後依據國民經濟和社會發展規劃指標預測電力需求；灰色模型法是通過對原始數據的整理來尋求規律，它適用於貧信息條件下的分析和預測。
(2)從採用的數據形式看，灰色系統理論是採用生成數序列建模。回歸分析法、趨勢分析法均是採用原始數據建模。而指數平滑法是通過對原始數據進行指數加權組合直接預測未來值。
(3)從計算復雜程度看，相對簡單的是回歸分析法和趨勢分析法。
(4)從適用的時間分類看，單耗法、指數平滑法、灰色模型法較適宜近期預測。對中、長期預測，回歸法、趨勢分析法、改進型灰色模型較為合適。