指数平滑法是一种特殊的加权平均法,加权的特点是对离预测值较近的历史数据给予较大的权数,对离预测期较远的历史数据给予较小的权数,权数由近到远按指数规律递减,所以,这种预测方法被称为指数平滑法。它可分为一次指数平滑法、二次指数平滑法及更高次指数平滑法。
一次指数平滑的局限性:像一次移动平均法一样,一次指数平滑法 只适用于 水平型历史数据 的 预测,而不适用 于 斜坡型线性 趋势 历史数据的预测。而二次指数平滑法就是以斜坡型为模型来预测未来数据。
除了二次指数平滑法外,还有更高次的多次指数平滑法,由于它们在实际预测中并不常用,因此忽略。所以就以二次指数平滑法为例:
/**
* 二次指数平滑法求预测值
* @param list 基础数据集合
* @param year 未来第几期
* @param modulus 平滑系数
* @return 预测值
*/
private static Double getExpect(List<Double> list, int year, Double modulus ) {
if (list.size() < 10 || modulus <= 0 || modulus >= 1) {
return null;
}
Double modulusLeft = 1 - modulus;
Double lastIndex = list.get(0);
Double lastSecIndex = list.get(0);
for (Double data :list) {
lastIndex = modulus * data + modulusLeft * lastIndex;
lastSecIndex = modulus * lastIndex + modulusLeft * lastSecIndex;
}
Double a = 2 * lastIndex - lastSecIndex;
Double b = (modulus / modulusLeft) * (lastIndex - lastSecIndex);
return a + b * year;
}
测试代码:
public static void main(String[] args) {
List<Double> list = new LinkedList<Double>();
list.add(253993d);
list.add(289665d);
list.add(342785d);
list.add(384763d);
list.add(428964d);
list.add(470614d);
list.add(530217d);
list.add(620206d);
list.add(688212d);
list.add(746422d);
list.add(809592d);
list.add(791376d);
list.add(772682d);
list.add(806048d);
list.add(860855d);
list.add(996633d);
list.add(1092883d);
list.add(1172596d);
list.add(1245356d);
list.add(1326094d);
list.add(1378717d);
list.add(1394413d);
list.add(1478573d);
list.add(1534122d);
list.add(1608150d);
Double value = getExpect(list, 1, 0.6);
System.out.println(value);
}