پیش بینی فرایند برآورد موقعیت‌های ناشناخته هاست. یک پیش بینی یک پیش گویی در مورد رویدادهای آینده در اختیارمی گذارد و می‌تواند تجارب گذشته را به پیش‌بینی حوادث آینده بدل سازد. در سالهای اخیرپیش بینی، به پیش بینی شیوه طرح تقاضا در کسب وکار روزانه شرکت‌های سازنده تبدیل شده‌است.
۱-۲) دقت پیش‌بینی
نکته قابل توجه دیگر در پیش‌بینی، دقت پیش‌بینی است. در سالهای اخیر مطالعات متعددی در زمینه چگونگی ارزیابی دقت پیش بینی صورت گرفته است. خصوصیات محیطی، از قبیل طبیعت متغیر مورد پیش‌بینی، افق پیش‌بینی، ایدئولوژی پیش‌بینی کننده و فناوری مورد استفاده، عوامل مؤثر در دقت پیش بینی هستند.
خطای پیش بینی، اختلاف مقدار واقعی و مقدار پیش بینی شده در پریود متناظر می‌باشد. اگر E خطای پیش بینی در پریودt، Y مقدار حقیقی در پریودt وF مقدار پیش بینی در پریودt باشد، خطای پیش بینی طبق رابطه زیر، برابر است با:
| (۱-۱) | Et = Yt – Ft |
غالباً شاخص‌هایی برای ارزیابی صحت پیش بینی استفاده می‌شوند.معیارهای خطای پیش بینی هر چه کمتر باشند نمایانگر پیش بینی دقیق تر هستند.
۱-۳) معیار سنجش خطا در پیش بینی
- میانگین قدر مطلق خطا
- میانگین قدر مطلق درصد خطا
- درصد میانگین قدر مطلق خطاها
- میانگین مربعات خطا
- ریشه میانگین مربعات خطاها
تحقیقات نشان داده است، دقت پیش‌بینی‌های کوتاه مدت بیشتر از بلند مدت است. همچنین رویکردهای سری زمانی دقیق تر از مدل‌های اقتصادسنجی بوده است.
۲-۴) روش های پیش بینی
به طور کلی روش های پیش بینی به دو دسته کلی تقسیم می شوند:
روش سنتی
روش مدرن
از جمله روش های سنتی می توان به روش های زیر اشاره نمود:
روش سری زمانی
روش رگرسیون
پیش بینی باربا استفاده ازآمارهای مستقل
روش مصرف نهایی
روش کاربری ارضی
از جمله روش های مدرن می توان به روش های زیر اشاره نمود:
روش عصبی
روش فازی
۲-۴-۱) روش سری زمانی
ایده روش سری زمانی بر اساس درک این مطلب است که الگوی بار چیزی نیست بیش از یک سیگنال سری زمانی با پریودهای مشخص روزانه، هفتگی و یا فصلی. این تناوب، یک پیش بینی بار با بی نظمی در هر زمان می دهد که تفاوت بین پیش بینی بار و واقعی را می توان به صورت یک فرایند اتفاقی در نظر گرفت که با آنالیز این سیگنال تصادفی می توان به دقت بیشتری در پیش بینی دست یافت. از جمله مهمترین تکنیکهای که برای آنالیز این سیگنال تصادفی استفاده می شود می توان به فیلتر کالمن، روش باکس -جنکینز، اتورگرسیون، روش فضای حالت و روش تجزیه طیفی اشاره کرد ]۱۱[.
روزانه سوالات بسیاری از رفتارهای آتی پدیده های پیرامون ما مطرح می شود، که پاسخ به آنها بستگی به دانایی و آگاهی کافی از سازوکار رویداد آن پدیده ها دارد. پیش بینی وضع هوا، پیش بینی نرخ سهام، پیش بینی قیمت نفت جهانی و دهها مورد مشابه از جمله سوالات مورد علاقه ما است. در یک نگاه کلاسیک علمی، برای پاسخ دادن به هر یک از موارد یاد شده، لازم است سازوکار رخداد هر یک از پدیده ها و تاثیر هر عامل در رخداد آن به صورت تحلیلی اطلاع کافی داشته باشیم. پر واضح است به دست آوردن این سازوکارها در بسیاری از موارد اگر غیر ممکن نباشد، بسیار دشوار و دست نایافتنی است.
در یک نگاه متفاوت، چنانچه، هر یک از رخدادها به صورت یک دنباله در قالب اعداد و کمیت، مورد بررسی قرار گیرد، می تواند راهکاری برای پیش بینی مقادیر آتی باشد. این دنباله ها، صرفنظر از اینکه مربوط به چه پدیده و برخاسته از چه سازوکار و متاثر از چه عواملی باشند، به نام سری زمانی تحلیل و آنالیز می شوند. البته، ناگفته نماند که بسیاری از مفروضات و اطلاعات موجود در مورد یک پدیده، می تواند در آنالیز سری زمانی مربوط مورد استفاده قرار گیرد. در یک سری زمانی متشکل ازn نمونه
| (۲-۱) |
مقادیر آتی، تابعی از مقادیر قبلی خود است.
