本文链接:https://blog.csdn.net/NIeson2012/article/details/51980943
1、一次指数平滑预测
例子:
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。
2、二次指数平滑预测