加权移动平均法、改编的按增量加权移动平均算法

加权移动平均法、改编的按增量加权移动平均算法

• 1.1加权移动平均法

	/**
	 * 加权移动平均法
	 * 
	 * @param data 时间序列数据
	 * @param x    迭代次数（数据长度的n倍最佳？）
	 * @return 预测结果
	 */
	public double WeightedMovingAverage(double[] data, int x) {
		double[] newData = data.clone();
		int count = newData.length;
		double forecast = 0.0;
		int i = 0;
		while (i <= x) {
			forecast = 0.0;
			int js = 0;
			double cs = 0;
			for (int j = 0; j < count; j++) {
				forecast += (j + 1) * newData[j];
			}
			forecast /= (count * (count + 1) / 2);// 2*(1*X1 + 2*X2 + 3*X3 + ... + m*Xm) / m / (m + 1)
			// 数组局部向左移动一个位置（最后一个除外）
			for (int j = 0; j < count - 1; j++) {
				newData[j] = newData[j + 1];
			}
			// 最后一个直接赋值
			newData[count - 1] = forecast;

			// 数组完全一致退出循环
			for (int j = 0; j < count - 1; j++) {
				cs = newData[j];
				if (newData[count - 1] == cs) {// 最后一个等于newData[j]?
					js++;
				}
			}
			if (js == count - 1) {
				break;
			}
			i++;
		}
		return forecast;
	}

• 1.2加权方式如下、后面的数据权重太大了

for (int j = 0; j < count; j++) {
	forecast += (j + 1) * newData[j];
}
forecast /= (count * (count + 1) / 2);// 2*(1*X1 + 2*X2 + 3*X3 + ... + m*Xm) / m / (m + 1)

• 2.1加权移动平均法的奇思妙想（按增量重新分配权重）

package cn.frameworkModule;

import java.util.Arrays;
import java.util.List;
import java.util.TreeSet;

import org.springframework.boot.test.context.SpringBootTest;

@SpringBootTest
public class JunitTest2 {
	/**
	 * 加权移动平均法的奇思妙想
	 * 
	 * @param data 时间序列数据
	 * @param x    迭代次数（数据长度的n倍最佳？）
	 * @return 预测结果
	 */
	public static double WeightedMovingAverage2(Double[] data, int x, int y) {
		Integer z = y;
		Integer id = 0;
		double forecast = 0.0;
		Double[] clone = data.clone();
		while (id <= x) {
			Integer js = 0;
			Integer count = 0;
			double incr = 0.0;
			double incrSum = 0.0;
			double cs = 0;
			System.out.println(Arrays.toString(clone));
			boolean flag = clone[0] > clone[1];
			// boolean flag = (clone[0] - clone[midSize]) / midSize > (clone[midSize] - clone[allSize - 1]) / (allSize - midSize);
			Double[] clone2 = clone.clone();
			Arrays.sort(clone2);
			List<Double> asList = Arrays.asList(clone2);
			TreeSet<Double> dataSet = new TreeSet<>(asList);
			Integer size = dataSet.size();
			Double first = dataSet.first();
			Double last = dataSet.last();
			double maxIncr = last - first;
			for (int i = 1; i <= maxIncr; i++) {
				Integer suitNum = 0;
				for (Double num : dataSet) {
					double tempNum = num + i;
					if (dataSet.contains(tempNum)) {//
						suitNum++;
					}
				}
				if (suitNum >= (double) (size - 1) * iterationRatio(y) && suitNum >= 2) {
					count++;
					incrSum += i * suitNum;// 加权
				}
				y--;
				y = (y == 1) ? z : y;
			}
			count = count == 0 ? 1 : count;
			incr = 2 * incrSum / count / (count + 1);
			// 数组局部向左移动一个位置（最后一个除外）
			for (int j = 0; j < clone.length - 1; j++) {
				clone[j] = clone[j + 1];
			}

			incr = flag ? incr : -incr;
			System.err.println("incr:" + incr + ",last:" + clone[clone.length - 1]);
			// 最后一个直接加增量
			clone[clone.length - 1] = clone[clone.length - 1] + getRealValue(incr, 0);
			forecast = clone[clone.length - 1];
			// 数组完全一致退出循环
			for (int j = 0; j < clone.length - 1; j++) {
				cs = clone[j];
				if (clone[clone.length - 1] == cs) {// 最后一个等于clone[j]?
					js++;
				}
			}
			if (js == clone.length - 1) {
				break;
			}
			id++;
		}
		return forecast;
	}

	/**
	 * 迭代比率(结果在0.27~1之间),计算函数：1 / (1 + e^ -(log10(x) - 1))
	 * 
	 * @value k，v范围[1~0.27; 2~0.33; 4~0.4; 10~0.5; 26~0.6; 71~0.7; 244~0.8; 1575~0.9]
	 * @param iteration
	 * @return
	 */
	public static double iterationRatio(Integer iteration) {
		if (iteration <= 0) {
			throw new IllegalArgumentException("迭代次数必须大于0");
		}
		double source = Math.log10(iteration) - 1;
		return 1.0 / (1 + Math.exp(-1 * source));
	}

	/**
	 * 对结果进行四舍五入 value :原始数 resLen :所要的精度
	 */
	public static double getRealValue(double value, int resLen) {
		if (resLen == 0) {
			// 原理:123.456*10=1234.56+5=1239.56/10=123
			// 原理:123.556*10=1235.56+5=1240.56/10=124
			return Math.round(value * 10 + 5) / 10;
		} else {
			double db = Math.pow(10, resLen);
			return Math.round(value * db) / db;
		}
	}

	public static void main(String[] args) {
		Double[] data = new Double[20];
		for (int i = 0; i < 20; i++) {
			data[i] = (int) (Math.random() * 10) + 30.0;
			System.err.println(data[i]);
		}
		double d = WeightedMovingAverage2(data, data.length * 2, 10);
		System.err.println(d);
	}
}

• 2.2按增量加权
• 如数据集是：3,9,6,12,15,4,8,8
• 增量为1的有：3-4；8-9；8-9;共3个
• 增量为2的有：4-6；6-8；6-8;共3个
• 增量为3的有：3-6；6-9；9-12;12-15；共4个
• 增量为4的有：4-8；4-8；8-12；共3个
• …
• 最大增量位：15-3=12；共1个
• 最终按个数分权平均计算增量

for (int i = 1; i <= maxIncr; i++) {
				Integer suitNum = 0;
				for (Double num : dataSet) {
					double tempNum = num + i;
					if (dataSet.contains(tempNum)) {//
						suitNum++;
					}
				}
				if (suitNum >= (double) (size - 1) * iterationRatio(y) && suitNum >= 2) {
					count++;
					incrSum += i * suitNum;// 加权
				}
				y--;
				y = (y == 1) ? z : y;
			}

• 2.3筛选增量
• iterationRatio（y）方法限定占比，函数结果限定在（0.27~1）
• ps：y值恒定最佳？

 - 	if (suitNum >= (double) (size - 1) * iterationRatio(y) && suitNum >= 2) {
			count++;
			incrSum += i * suitNum;// 加权
		}
		y--;
		y = (y == 1) ? z : y;

• 2.4图解

• 遇到问题，
• ③增量梯度目前是整数（导致8也要取整）
• ⑦增量正负号不好确定；
• 数据集较多以等比数据出现时可否换等比加权？
• iterationRatio（y）函数取恒定值