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为平滑系数,介于0到1之间。
最终的式子展开为
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XhE6Rwlp-1623998906940)(C:\Users\lizhihan_sx\AppData\Roaming\Typora\typora-user-images\image-20210617172220632.png)]](https://img-blog.csdnimg.cn/20210618144851870.png)
平滑系数接近1:越近的值影响越大,模型对时间序列的反应越及时,适合随机波动较大的数列
平滑系数接近0:更适合时间序列比较平稳的序列
实际应用时,应该用均方误差来判断预测误差的大小。但是如果数据是有整体趋势的,指数平滑法并不适用(因为无论如何调整参数都是误差极大的)
二次指数平滑Holt’s linear trend method
</