計算機預測方法(常用定量預測方法)
1.常用定量預測方法有哪些
定量預測方法有：
加權算術(shù)平均法
用各種權數算得的平均數稱(chēng)為加權算術(shù)平均數，它可以自然數作權數，也可以項目出現的次數作權數，所求平均數值即為測定值。
趨勢平均預測法
趨勢平均預測法是以過(guò)去發(fā)生的實(shí)際數為依據，在算術(shù)平均數的基礎上，假定未來(lái)時(shí)期的數值是它近期數值直接繼續，而同較遠時(shí)期的數值關(guān)系較小的一種預測方法。
指數平滑法
指數平滑法是以一個(gè)指標本身過(guò)去變化的趨勢作為預測未來(lái)的依據的一種方法。對未來(lái)預測時(shí)，考慮則近期資料的影響應比遠期為大，因而對不同時(shí)期的資料不同的權數，越是近期資料權數越大，反之權數越小。
(4)平均發(fā)展速度法
(5)一元線(xiàn)性回歸預測法
根據x、y現有數據，尋求合理的a、b回歸系數，得出一條變動(dòng)直線(xiàn)，并使線(xiàn)上各點(diǎn)至實(shí)際資料上的對應點(diǎn)之間的距離最小。
設變動(dòng)直線(xiàn)方程為：y=a+bx
(6)高低點(diǎn)法
高低點(diǎn)法是利用代數式y=a+bx，選用一定歷史資料中的最高業(yè)務(wù)量與最低業(yè)務(wù)量的總成本（或總費用）之差△y，與兩者業(yè)務(wù)量之差△x進(jìn)行對比，求出b，然后再求出a的方法。
2.考慮到多種影響因素的預測方法有哪些
市場(chǎng)預測方法選擇的影響因素
選擇合適的預測方法，對于提高預測精度，保證預測質(zhì)量，有十分重要的意義。影響預測方法選擇的因素很多，在選擇預測方法時(shí)應綜合考慮以下因素：
(1)預測的目標特征
①預測目標用于戰略性決策，要求采用適于中長(cháng)期預測的方法，但對其精度要求較低。
②預測目標用于戰術(shù)性決策，要求采用適于中期和近期預測的方法，對其精度要求較高。
③預測目標用于業(yè)務(wù)性決策，要求采用適于近期和短期預測的方法，且要求預測精度高。
(2)預測的時(shí)間期限
①適用于近期與短期的預測方法：有移動(dòng)平均法、指數平滑法、季節指數預測法、直觀(guān)判斷法等。
②適用于1年以上的短期與中期的預測方法有：趨勢外推法、回歸分析法、經(jīng)濟計量模型預測法等。
③適用于5年以上長(cháng)期預測的方法有：經(jīng)驗判斷預測法、趨勢分析預測法等。
(3)預測的精度要求
①滿(mǎn)足較高精度要求的預測方法有：回歸分析預測法、經(jīng)濟計量模型預測法等。 ②適于精度要求較低的預測方法有：經(jīng)驗判斷預測法、移動(dòng)平均預測法、趨勢外推預測法等。
(4)預測的費用預算
預測方法的選擇，既要達到精度的要求，滿(mǎn)足預測的目標需要，還要盡可能節省費用。即：既要有高的經(jīng)濟效率，也要實(shí)現高的經(jīng)濟效益。用于預測的費用包括調研費用、數據處理費用、程序編制費用、上機費用、專(zhuān)家咨詢(xún)費用等。
①費用預算較低的方法有：經(jīng)驗判斷預測法、時(shí)間序列分析預測法及其他較簡(jiǎn)單的預測模型法。
②費用預算較高的方法有：經(jīng)濟計量模型預測法及大型復雜的預測模型方法。
3.定量預測的主要方法包括什么
定量預測是使用一歷史數據或因素變量來(lái)預測需求的數學(xué)模型。是根據已掌握的比較完備的歷史統計數據，運用一定的數學(xué)方法進(jìn)行科學(xué)的加工整理，借以揭示有關(guān)變量之間的規律性聯(lián)系，用于預測和推測未來(lái)發(fā)展變化情況的一類(lèi)預測方法。 烽火獵頭專(zhuān)家認為定量預測方法也稱(chēng)統計預測法，其主要特點(diǎn)是利用統計資料和數學(xué)模型來(lái)進(jìn)行預測。然而，這并不意味著(zhù)定量方法完全排除主觀(guān)因素，相反主觀(guān)判斷在定量方法中仍起著(zhù)重要的作用，只不過(guò)與定性方法相比，各種主觀(guān)因素所起的作用小一些罷了。
目前工商企業(yè)中常用的預測方法有以下幾種：
(1)加權算術(shù)平均法
用各種權數算得的平均數稱(chēng)為加權算術(shù)平均數，它可以自然數作權數，也可以項目出現的次數作權數，所求平均數值即為測定值。
(2)趨勢平均預測法
趨勢平均預測法是以過(guò)去發(fā)生的實(shí)際數為依據，在算術(shù)平均數的基礎上，假定未來(lái)時(shí)期的數值是它近期數值直接繼續，而同較遠時(shí)期的數值關(guān)系較小的一種預測方法。
(3)指數平滑法
指數平滑法是以一個(gè)指標本身過(guò)去變化的趨勢作為預測未來(lái)的依據的一種方法。對未來(lái)預測時(shí)，考慮則近期資料的影響應比遠期為大，因而對不同時(shí)期的資料不同的權數，越是近期資料權數越大，反之權數越小。
(4)平均發(fā)展速度法
(5)一元線(xiàn)性回歸預測法
根據x、y現有數據，尋求合理的a、b回歸系數，得出一條變動(dòng)直線(xiàn)，并使線(xiàn)上各點(diǎn)至實(shí)際資料上的對應點(diǎn)之間的距離最小。
設變動(dòng)直線(xiàn)方程為：y=a+bx
(6)高低點(diǎn)法
高低點(diǎn)法是利用代數式y=a+bx，選用一定歷史資料中的最高業(yè)務(wù)量與最低業(yè)務(wù)量的總成本（或總費用）之差△y，與兩者業(yè)務(wù)量之差△x進(jìn)行對比，求出b，然后再求出a的方法。
(7)時(shí)間序列預測法
它時(shí)間序利預測法是把一系列的時(shí)間作為自變量來(lái)確定直線(xiàn)方程y=a+bx，進(jìn)而求出a、b的值，這是回歸預測的特殊式。
4.計算機檢測的方法
計算機硬件故障常用的檢測方法
在排除可能的軟件故障后，如機器仍不能正常工作，那就要考慮查找硬件的故障。
1）直接觀(guān)察法：用手摸、眼看、耳聽(tīng)等方法進(jìn)行檢查。手摸：一般部件外殼正常溫度在40℃-50℃之間，除CPU溫度較高須加風(fēng)扇降溫外，其它部件在正常情況都不應發(fā)燙。眼看：看各控制板和卡上的接插件和跳線(xiàn)插針有無(wú)倒插、松動(dòng)或短接現象，數據線(xiàn)是否接插到位或是否接插正確，功能選擇開(kāi)關(guān)設置是否正確。耳聽(tīng)：聽(tīng)開(kāi)機時(shí)或運行時(shí)有無(wú)異常聲音，如開(kāi)機時(shí)聽(tīng)到“嘟—嘟”的長(cháng)音，那是內存條沒(méi)有插好，或內存條有問(wèn)題，如聽(tīng)到“嘟—嘟嘟”一長(cháng)二短，那是顯卡沒(méi)有插好。發(fā)現問(wèn)題，應立即停機進(jìn)行檢修。
2）拔插法：通過(guò)拔插機內一些插件板來(lái)判斷故障部件的方法。每拔一塊即開(kāi)機檢查機器的狀態(tài)，從而找出故障。如遇開(kāi)機無(wú)故障顯示，也可以先拔出所有插件有外設，只留主板和顯示卡，如此時(shí)開(kāi)機正常，再逐一加插各種板件和外設進(jìn)行檢查，直到找出問(wèn)題癥結所在
5.選擇預測方法所考慮的因素有哪些
1. 預測的期限；長(cháng)期（2-5年）預測要求的準確性最低且僅需大致的計劃，而短期預測則要求更高的準確性。
2. 有無(wú)數據可用；如果有數據可用，就可以應用某種定量的預測方法，否則，就要應用非定量的方法。 3. 時(shí)間與費用；如果可用的時(shí)間與金錢(qián)的限制很多，就必須采用那些不太復雜的方法，保持總預測成本的最小化。
4. 可用的手段；隨著(zhù)計算機的出現，基于歷史數據的統計預測方法所需的成本及時(shí)間顯著(zhù)降低，因而使得應用這些高級方法進(jìn)行預測更為劃算。 5. 預測人員的能力；選擇預測方法的另一個(gè)主要考慮因素是預測人員的專(zhuān)業(yè)知識水平、能力和經(jīng)驗。
6.數值模擬的方法有哪些,各自有什么優(yōu)缺點(diǎn),謝謝
對有條件進(jìn)行實(shí)驗的材料，盡量采用實(shí)驗方法，輔以數值模擬檢驗。而在工
程應用中，很多情況下無(wú)法進(jìn)行實(shí)驗，如采礦問(wèn)題等，數值模擬內部程序有相應的計算方法，能模擬較復雜過(guò)程。
直觀(guān)性與求解速度：實(shí)驗直觀(guān)性強，數值模擬直觀(guān)性不如實(shí)驗方法好，較抽象，但可以
快速得到結果。實(shí)驗操作復雜。
成本：實(shí)驗成本高，數值模擬成本低廉，只需在計算機上進(jìn)行模擬和數據處理。
施加載荷：數值模擬可以任意施加各種方向的載荷，可以施加實(shí)驗方法達不到的條件。
因此數值模擬方法在監測、設備開(kāi)發(fā)、優(yōu)化、效果預測方面體現了重要價(jià)值。
數據采集：實(shí)驗只能采集到特定點(diǎn)的的應力應變等數據，不能得到整個(gè)材料各點(diǎn)的應力
應變值，而數值模擬方法可以對各個(gè)區域、各個(gè)測點(diǎn)進(jìn)行應力分析和位移分析，對實(shí)驗進(jìn)行補充。
數據處理：應將實(shí)驗方法和數值模擬方法結合起來(lái)使用，分別對結果進(jìn)行分析后，充分
考慮兩種方法各自的優(yōu)缺點(diǎn)，互相比較印證，結合理論分析，有針對性地進(jìn)行數據和結果的修正，才能得到一個(gè)比較全面、客觀(guān)的結論。
結果可靠性：數值模擬方法在模擬分析過(guò)程中，往往要對邊界條件和材料屬性進(jìn)行簡(jiǎn)化，
或多或少對分析結果產(chǎn)生影響，而且結構離散化的形式不同，得到的結果和精度也不同，隨機性比較大，可信度降低。而在實(shí)驗中不可避免的客觀(guān)、主觀(guān)因素也會(huì )產(chǎn)生誤差，但是比數值模擬的誤差少得多，可靠性更高。
兩種方法互相檢驗：合理的數值模擬方法對實(shí)驗研究和理論分析具有指導作用，可以彌
補實(shí)驗工作的不足。實(shí)驗與數值模擬結果比較，用來(lái)判斷數值模擬方法的可行性。
7.因果預測法
因果預測法 即 動(dòng)態(tài)模型法
通過(guò)系統分析尋找出事物發(fā)展的因果關(guān)系與相互作用的關(guān)系。在明確因果關(guān)系的基礎上建立數學(xué)模型，然后通過(guò)計算機模擬預測系統的各種行為。
常見(jiàn)方法：
(1)一元回歸分析法
根據以往一段時(shí)間的統計資料，分析出統計數據是有規律的呈線(xiàn)性分布，預測者就可以建立起線(xiàn)性方程，通過(guò)解線(xiàn)性方程來(lái)預測未來(lái)的事件變化。
(2)多元回歸分析法
一元回歸分析僅適用于影響只有一個(gè)的條件，但在許多情況下影響事物變化的不限于一個(gè)，這時(shí)就必須進(jìn)行多因素的回歸分析。多元回歸分析的原理與一元回歸基本相同，只是運算的復雜程度更大，一般要借助于計算機解決。
(3)矩陣法
通過(guò)矩陣形式對技術(shù)經(jīng)濟的未來(lái)發(fā)展趨勢進(jìn)行回歸分析。
8.軟件規模估算有哪些方法
軟件規模估算的假設和思路： ?軟件的規模和其外延成正比 l外延包括： 功能， 數據， 用戶(hù)操作界面數， 顯示界面數等等 ?不同的功能點(diǎn)實(shí)現的困難度不同， 但從整個(gè)項目來(lái)說(shuō)， 平均的困難度差不多 ?規模估算的目標：是決定工作量的大小。
對于成本模型，規模是計算軟件項目的工作量、成本和進(jìn)度的主要輸入 ?規模估算的責任者：程序員、軟件工程師、系統分析員負責決定軟件項目的規模 ?規模估算的入口準則 ：在規模估算之前，軟件功能需求必須被定義。在項目早期定義需求可能是非常困難任務(wù)。
然而，在對需求一無(wú)所知的情況下，精確的估算出項目的成本和進(jìn)度是不可能的。如果知道部分需求，那么估算基于已知的需求并且相信每一個(gè)人都相信估算僅僅是基于那些已知的需求，如果使用了增量或演進(jìn)的開(kāi)發(fā)策略，那么估算基于增加的已定義需求。
?規模估算輸入 ：軟件需求說(shuō)明書(shū)（SRS） 歷史規模數據 ?規模估算活動(dòng) ： 軟件產(chǎn)品規模通常以代碼行（SLOC）或千代碼行（KSLOC）度量。軟件應該以全新代碼或者合并新舊代碼進(jìn)行開(kāi)發(fā)。
對已存在代碼接口的估算與新代碼的估算是同等重要的。已存在代碼借口通常需要與開(kāi)發(fā)新代碼相同的工作量。
?軟件產(chǎn)品規模估算應該主要基于歷史數據和經(jīng)驗。歷史規模數據可以從組織軟件過(guò)程數據庫中找到。
而且，兩個(gè)或更多的具有類(lèi)似經(jīng)驗的軟件工程師應該開(kāi)展自頂向下/自底向上規模估算，步驟如下： A） 基于定義每個(gè)計算機軟件模塊的需求開(kāi)發(fā)系統的高級架構圖 B） 基于每個(gè)計算機軟件模塊開(kāi)發(fā)功能WBS C） 根據相似項目經(jīng)驗和歷史數據，為每一個(gè)軟件模塊手工估算出最底層（自底向上）可能詳細的代碼行或功能點(diǎn)，規模估算工具可以作為第二個(gè)輸入 D） 估算出期望的規模加上標準偏差，即：規模的最低值和最高值來(lái)反映名義值的不確定性。在項目的早期階段，最低和最高估算結果之間的范圍可能是30-50%，例如：概念階段。
如果缺乏經(jīng)驗或有較高的技術(shù)風(fēng)險，范圍將會(huì )更大 E） 具有類(lèi)似經(jīng)驗的軟件工程師應該評審并優(yōu)化估算結果直至達成一致意見(jiàn)。經(jīng)驗表明，規模估算經(jīng)常偏低，故最低規模估算結果應該給與特別審查 一些規模估算的標準方法和工具如下：Wideband Delphi技術(shù)、Pert Sizing技術(shù)、功能點(diǎn)方法、類(lèi)比法和自動(dòng)化規模估算工具。
這些方法的詳細描述在前面功能估算和預算制定中已經(jīng)提到。建議至少使用兩種方法進(jìn)行規模估算，不要依賴(lài)于任何一種方法 提示：項目早期規模估算可能非常難以精確的確定。
對于單一的規模數字，取而代之使用值的范圍（最大值、最小值、可能值）。隨著(zhù)項目的進(jìn)展，規模的確定越來(lái)越精確。
一旦項目的編碼完成，就可以使用自動(dòng)化的代碼行工具計算程序的規模了。 目前常用的軟件規模評估方法 ?FPA(Function Points Analyze)(1989) l主要適用于 MIS，前面已做過(guò)詳細說(shuō)明 ?FFP(Full Function Points)(1997) l適用于 real-time software, system software, general application, and also MIS applicationl不適用于包含復雜的數學(xué)計算的 application（如： 專(zhuān)家系統， 仿真軟件， 自學(xué)習軟件， 媒體播放等） 預測性對象點(diǎn)（Predictive Object Points） ?預測性對象點(diǎn)是特意為面向對象軟件設計的，是通過(guò)系統計算面向對象的特征進(jìn)行度量。
?POPs方法的核心是每類(lèi)加權方法數（Weighted Methods per Class WMC）。這種方法測量每個(gè)頂層類(lèi)（或者說(shuō)，每個(gè)在用戶(hù)的視野中清楚的對象）并且根據類(lèi)的行為（方法）類(lèi)型不同進(jìn)行加權。
一旦得到WMC的值，POPs方法將把它和有關(guān)按類(lèi)分對象組的信息和對象類(lèi)之間的關(guān)系進(jìn)行聯(lián)合計算。 ========= 功能點(diǎn)法回顧 面向功能的軟件度量是對軟件和軟件開(kāi)發(fā)過(guò)程的間接度量。
面向功能度量的關(guān)注點(diǎn)在于程序的“功能性”和“實(shí)用性”，而不是對LOC計數。一種典型的生產(chǎn)率度量法叫做功能點(diǎn)度量，該方法利用軟件信息域中的一些計數度量和軟件復雜性估計的經(jīng)驗關(guān)系式而導出功能點(diǎn)FPs(Function Points)。
功能點(diǎn)通過(guò)填寫(xiě)表1所示的表格來(lái)計算。首先確定五個(gè)信息域的特征，并在表格中相應位置給出計數。
信息域的值以如下方式定義： § 用戶(hù)輸入數：各個(gè)用戶(hù)輸入是面向不同應用的輸入數據，對它們都要進(jìn)行計數。輸入數據應有別于查詢(xún)數據，它們應分別計數。
§ 用戶(hù)輸出數：各個(gè)用戶(hù)輸出是為用戶(hù)提供的面向應用的輸出信息，它們均應計數。這里的輸出是指報告，屏幕信息，錯誤信息等，在報告中的各數據項不應再分別計數。
§ 用戶(hù)查詢(xún)數：查詢(xún)是一種聯(lián)機輸入，它導致軟件以聯(lián)機輸出的方式生成某種即時(shí)的響應。每一個(gè)不同的查詢(xún)都要計數。
§ 文件數：每一個(gè)邏輯主文件都應計數。這里的邏輯主文件，是指邏輯上的一組數據，它們可以是一個(gè)大的數據庫的一部分，也可以是一個(gè)單獨的文件 § 外部接口數：對所有被用來(lái)將信息傳送到另一個(gè)系統中的機器可讀寫(xiě)的接口（即磁帶或磁盤(pán)上的數據文件）均應計數。
9.對于具有震蕩特性的數據有哪些預測方法
大數據技術(shù)是指從各種各樣海量類(lèi)型的數據中，快速獲得有價(jià)值信息的能力。適用于大數據的技術(shù)，包括大規模并行處理（MPP）數據庫，數據挖掘電網(wǎng)，分布式文件系統，分布式數據庫，云計算平臺，互聯(lián)網(wǎng)，和可擴展的存儲系統。
大數據具備以下4個(gè)特性：
一是數據量巨大。例如，人類(lèi)生產(chǎn)的所有印刷材料的數據量?jì)H為200PB。典型個(gè)人計算機硬盤(pán)的容量為T(mén)B量級，而一些大企業(yè)的數據量已經(jīng)接近EB量級。
二是數據類(lèi)型多樣。現在的數據類(lèi)型不僅是文本形式，更多的是圖片、視頻、音頻、地理位置信息等多類(lèi)型的數據，個(gè)性化數據占絕對多數。
三是處理速度快。數據處理遵循逗1秒定律地，可從各種類(lèi)型的數據中快速獲得高價(jià)值的信息。
四是價(jià)值密度低。以視頻為例，一小時(shí)的視頻，在不間斷的測試過(guò)程中，可能有用的數據僅僅只有一兩秒。
