java数据预测_java二次指数平滑法预测未来的值

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

*@paramlist 基础数据集合

*@paramyear 未来第几期

*@parammodulus 平滑系数

*@return预测值*/private static Double getExpect(List list, intyear, 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=