预测算法——指数平滑法

•1.指数平滑定义及公式

•2.一次指数平滑

•3二次指数平滑

•4.三次指数平滑

•5指数平滑系数α的确定

1、指数平滑的定义及公式

产生背景：指数平滑由布朗提出、他认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。

基本原理：指数平滑法是移动平均法中的一种，其特点在于给过去的观测值不一样的权重，即较近期观测值的权数比较远期观测值的权数要大。根据平滑次数不同，指数平滑法分为一次指数平滑法、二次指数平滑法和三次指数平滑法等。但它们的基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权数，新数据给予较大的权数，旧数据给予较小的权数。

方法应用：指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。

指数平滑法的基本公式：St=a*yt+(1-a)*St-1 式中，

　　St--时间t的平滑值；

　　yt--时间t的实际值；

　　St-1--时间t-1的平滑值；

　　a--平滑常数，其取值范围为[0,1]

据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑和三次指数平滑法等。

2、一次指数平滑预测
当时间数列无明显的趋势变化，可用一次指数平滑预测。其预测公式为：

　　 yt+1'=a*yt+(1-a)*yt' 式中，

• yt+1'--t+1期的预测值，即本期（t期）的平滑值St ；

• yt--t期的实际值；

• yt'--t期的预测值，即上期的平滑值St-1 。

例题：已知某种产品最近15个月的销售量如下表所示：

用一次指数平滑值预测下个月的销售量y16。

为了分析加权系数a的不同取值的特点，分别取a=0.1,a=0.3,a=0.5计算一次指数平滑值，并设初始值为最早的三个数据的平均值，：以a = 0.5的一次指数平滑值计算为例，有

计算得到下表：

按上表可得时间15月对应的19.9 26.2 28.1可以分别根据预测公式来预测第16个月的销售量。

以a = 0.5为例： y16=0.5*29+(1-0.5)*28.1=28.55（万台）

由上述例题可得结论

1）指数平滑法对实际序列具有平滑作用，权系数（平滑系数）a 越小，平滑作用越强，但对实际数据的变动反应较迟缓。

2）在实际序列的线性变动部分，指数平滑值序列出现一定的滞后偏差的程度随着权系数（平滑系数）a 的增大而减少，但当时间序列的变动出现直线趋势时，用一次指数平滑法来进行预测仍将存在着明显的滞后偏差。因此，也需要进行修正。修正的方法也是在一次指数平滑的基础上再进行二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型，故称为二次指数平滑法。

3、二次指数平滑预测

1） a为加权系数；

2）指数平滑法对实际序列具有平滑作用，权系数（平滑系数）越小，平滑作用越强，但是对实际数据的变动反映较迟缓；

3）在实际序列的线性变动部分，指数平滑值序列出现一定的滞后偏差的程度随着权系数(平滑系数)的增大而减少；但当时间序列的变动出现直线趋势时，用一次指数平滑法来进行预测仍将存在着明显的滞后偏差。因此，也需要进行修正。

4）修正的方法也是在一次指数平滑的基础上再进行二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型，故称为二次指数平滑法。

在一次指数平滑的基础上得二次指数平滑的计算公式为：

• 式中： St(2)——第t周期的二次指数平滑值；

• St(1)——第t周期的一次指数平滑值；

• St-1(2)——第t-1周期的二次指数平滑值；

• a ——加权系数（也称为平滑系数）。

二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法。它不能单独地进行预测，必须与一次指数平滑法配合，建立预测的数学模型，然后运用数学模型确定预测值。

二次指数平滑数学模型：

例题2：某地1983年至1993年财政入的资料如下，试用指数平滑法求解趋势直线方程并预测1996年的财政收入

例3：已知某厂1978～1998年的钢产量如下表所示，试预测1999年、2000年该厂的钢产量。（用excel如何实现平滑指数）

下面利用指数平滑工具进行预测，具体步骤如下：
选择工具菜单中的数据—数据分析命令，此时弹出数据分析对话框。

在分析工具列表框中，选择指数平滑工具。

这时将出现指数平滑对话框，如图所示：

一次指数平滑设置及输出

二次指数平滑设置及输出

最终结果输出及计算

根据二次平滑指数数学模型进行计算a、b值。

得到趋势线预测模型：y=3994.9+141.2T，从而可以计算出：

y1999=3994.9+141.2*1=4136.14

y2000=3994.9+141.2*2= 4277.34

4、三次指数平滑预测

若时间序列的变动呈现出二次曲线趋势，则需要采用三次指数平滑法进行预测。三次指数平滑是在二次指数平滑的基础上再进行一次平滑，其计算公式为：

三次指数平滑法的预测模型为：

例4：我国某种耐用消费品1996年至2006年的销售量如表所示，试预测2007、2008年的销售量。
三次指数平滑的计算表：

解：通过实际数据序列呈非线性递增趋势，采用三次指数平滑预测方法。解题步骤如下。确定指数平滑的初始值和权系数（平滑系数）a。设一次、二次指数平滑的初始值为最早三个数据的平均值，即

实际数据序列的倾向性变动较明显，权系数（平滑系数）a 不宜取太小，故取a= 0.3。

根据指数平滑值计算公式依次计算一次、二次、三次指数平滑值：

计算非线性预测模型的系数at,bt,ct。目前周期数t = 11，将表1.6中的有关数据代入式（1-19）、式（1-20）、式（1-21）后分别得

建立非线性预测模型。将各系数代入式（1-18）得

预测2007年和2008年的产品销售量。2007年，其预测超前周期为T = 1；2008年，其预测超前周期为T = 2。代入模型，得预测2007年和2008年的产品销售量。2007年，其预测超前周期为T= 1；2008年，其预测超前周期为T= 2。代入模型，得

于是得到2007年的产品销售量的预测值为809万台，2008年的产品销售量的预测值为920万台。预测人员可以根据市场需求因素的变动情况，对上述预测结果进行评价和修正。

5、加权系数a的选择
在指数平滑法中，预测成功的关键是a的选择。a的大小规定了在新预测值中新数据和原预测值所占的比例。a值愈大，新数据所占的比重就愈大，原预测值所占比重就愈小，反之亦然。

指数平滑法的缺点：
• （1）对数据的转折点缺乏鉴别能力，但这一点可通过调查预测法或专家预测法加以弥补。

• （2）长期预测的效果较差，故多用于短期预测。

指数平滑法的优点：

• （1）对不同时间的数据的非等权处理较符合实际情况。

• （2）实用中仅需选择一个模型参数a 即可进行预测，简便易行。

• （3）具有适应性，也就是说预测模型能自动识别数据模式的变化而加以调整。

预测算法——指数平滑法相关推荐

数据预测算法-指数平滑法-2
一次.二次.三次指数平滑计算思想及代码概述一般常用到的指数平滑法为一次指数平滑.二次指数平滑和三次指数平滑,高次指数平滑一般比较难见到,因此本文着重介绍了一次.二次和三次指数平滑的特点与不同. 一 ...
时间序列预测：指数平滑法及python实现
1. 移动平均 from sklearn.metrics import r2_score, mean_absolute_error, median_absolute_error# 滑动窗口估计,发现数 ...
时序预测方法——指数平滑法（Holt-Winters）
一.时间序列: 时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列. 举个比较简单的例子,一个人如果一年每天都量体重,这个每天记录的体重信息就是一个时间序列. 二.时 ...
指数平滑法（Exponential Smoothing，ES）
目录 1 指数平滑 2 一次指数平滑预测(又叫简单指数平滑,simple exponential smoothing, SES) 2.1 定义 2.2 例题 3 二次指数平滑法(Holt ...
java三次指数平滑_时间序列挖掘-预测算法-三次指数平滑法(Holt-Winters)
所有移动平均法都存在很多问题. 它们都太难计算了.每个点的计算都让你绞尽脑汁.而且也不能通过之前的计算结果推算出加权移动平均值. 移动平均值永远不可能应用于现有的数据集边缘的数据,因为它们的窗口宽度是 ...
预测算法-三次指数平滑法(Holt-Winters)
指数平滑一次指数平滑一次指数平滑法是一种特殊的加权平均法,对本期观察值和本期预测值赋予不同的权重,求得下一期预测值的方法.这种方法既不需要存储全部历史数据,也不需要存储一组数据,从而可以大大减少数 ...
java 数据周期预测_预测算法 | Holt Winter季节性指数平滑法附JAVA代码
import java.util.ArrayList; import java.util.List; /** * 三次指数平滑预测,最多外推一个周期 * @author Administrator * ...
指数平滑法，二次指数平滑法（Holt’s linear trend method），季节性预测算法（Holt-Winters’ seasonal method）
指数平滑法概念:对过去的观察值得加权平均值进行预测的一种方法,适用于水平历史数据一次指数平滑法:Ft+1 =aYt+(1-a)Ft Ft表示t时预测值,Yt表示t时观察值.t取1时,F1=Y1.a ...
时间序列预测方法的使用（简单、加权时序，简单加权移动，一次二次三次指数平滑法）
先简要介绍 1. 简单序时平均数法也称算术平均法.即把若干历史时期的统计数值作为观察值,求出算术平均数作为下期预测值.这种方法基于下列假设:"过去这样,今后也将这样",把近期和远 ...

预测算法——指数平滑法

预测算法——指数平滑法相关推荐

最新文章

热门文章