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); }