时间序列挖掘-预测算法-三次指数平滑法(Holt-Winters)

  在时间序列中，我们需要基于该时间序列当前已有的数据来预测其在之后的走势，三次指数平滑(Triple/Three Order Exponential Smoothing,Holt-Winters)算法可以很好的进行时间序列的预测。

  时间序列数据一般有以下几种特点：1.趋势(Trend)  2. 季节性(Seasonality)。

  趋势描述的是时间序列的整体走势，比如总体上升或者总体下降。下图所示的时间序列是总体上升的：

  季节性描述的是数据的周期性波动，比如以年或者周为周期，如下图：

  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，