时间序列挖掘-三次指数平滑法(Holt-Winters)

一、为何这个方法被称为“指数”平滑法？

要找出答案，展开它的递推关系式即可知道：

  从这里可以看出，在指数平滑法中，所有先前的观测值都对当前平滑值产生了影响，但它们所起的作用随着参数 的幂的增大而逐渐减小。那些相对较早的观测值所起的作用相对较小，这也就是指数变动形态所表现出来的特性。从某种程度上来说，指数平滑法就像是拥有无限记 忆且权值呈指数级递减的移动平均法。

二、三次指数平滑法  

    ​​三次指数平滑算法可以对同时含有趋势和季节性的时间序列进行预测，该算法是基于一次指数平滑和二次指数平滑算法的。

• 一次指数平滑算法基于以下的递推关系：

      ​si=αx_i+(1-α)s_i-1 

      ​其中α是平滑参数，s_i是之前i个数据的平滑值，取值为[0,1]，α越接近1，平滑后的值越接近当前时间的数据值，数据越不平滑，α越接近0，平滑后的值越接近前i个数据的平滑值，数据越平滑ÿ