matlab指数平滑预测,时间序列的指数平滑预测法 .pdf

3.2 时间序列的指数平滑预测法

指数平滑法(Expinential smoothing method)的思想也是对时间序列进行修匀以消除

不规则和随机的扰动。该方法是建立在如下基础上的加权平均法：即认为时间序列中的近期

数据对未来值的影响比早期数据对未来值得影响更大。于是通过对时间序列的数据进行加权

处理，越是近期的数据，其权数越大；反之，权数就越小。这样就将数据修匀了，并反映出

时间序列中对预测时点值的影响程度。根据修匀的要求，可以有一次、二次甚至三次指数平

滑。

3.3.1 一次指数平滑法

1．一次指数平滑法的计算公式及平滑系数 的讨论

a

设时间序列为x ,x x ,,x ，一次指数平滑数列的递推公式为：

1 2 3 N

 1 1

S ax (1a)S , 0 a  1,1 t N

 t t t1

 1 (3-6)



S x ,

 0 1

1

式中， 表示第 时点的一次指数平滑值， 称为平滑系数。递推公式(3-6)中，初

S t a

t

1

x

始值 常用时间序列的首项 (适用于历史数据个数较多，如50 个历史数据及以上)，如

S

0 1

果历史数据个数较少，如在15 或20 个数据及以下时，可以选用最初几期历-史数据的平均

1

值作为初始值 ，这些选择都有一定的经验性和主观性。

S

0

下面讨论平滑系数 。将递推公式(3-6)展开可得：

a

1 1  1 

S ax  (1a)S ax  (1a) ax  (1a)S

t t t 1 t t 1 t 2

2 1

ax  a(1a)x  (1a) S

t t 1 t 2

2 t 1 t 1

 ax  a(1a)x  a(1a) x   a(1a) x  (1a) S

t t 1 t 2