简单指数平滑

最新推荐文章于 2024-07-30 09:09:41 发布

fxlou

最新推荐文章于 2024-07-30 09:09:41 发布

阅读量8.6k

点赞数 1

分类专栏： time serials 时间序列模型

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/fxlou/article/details/79673559

版权

简单指数平滑法（SES）适用于无趋势和季节性的预测模型。它包括分量形式和平滑方程，通过指数平滑处理历史水平。误差修正形式提供了一种不同视角。此外，该方法可进行多个步长的预测，并且需要初始化平滑过程，通常通过对初始水平赋值或优化方法确定最佳参数。

摘要由CSDN通过智能技术生成

简单指数平滑

简单指数平滑法（SES）适用于预测没有趋势和季节性的模型。

y^T + 1 | T = α y T + α (1 - α) y T - 1 + α (1 - α) 2 y T - 2 + \dots,

$\hat{y}_{T+1|T} = \alpha y_T + \alpha(1-\alpha) y_{T-1} + \alpha(1-\alpha)^2 y_{T-2}+ \cdots,$
上式中，距离预测时间越近的日期占的权重越大，距离越远权重越小。
有三种等效形式：
1.1 权重平均形式
t+1时刻的预测值

y^t+1|t y ^ t + 1 | t $\hat y_{t+1|t}$ 等于最近邻的观测值

yt y t $y_t$ 和最近邻的预测值

y^t|t−1 y ^ t | t − 1 $\hat y_{t|t-1}$ 的加权平均。

y^t + 1 | t = α y t + (1 - α) y^t | t - 1

最低0.47元/天解锁文章

关注

1
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
简单指数平滑

简单指数平滑简单指数平滑法（SES）适用于预测没有趋势和季节性的模型。 y^T+1|T=αyT+α(1−α)yT−1+α(1−α)2yT−2+⋯,y^T+1|T=αyT+α(1−α)yT−1+α(1−α)2yT−2+⋯,\hat{y}_{T+1|T} = \alpha y_T + \alpha(1-\alpha) y_{T-1} + \alpha(1-\alpha)^2 y_{T-2}+ \...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。