信息产品的开发与利用.pptVIP

* 二、指数平滑法(exponential smoothing) 指数平滑法是由简单算术平均法改进而来的，是一种特殊的加权算术平均法，也称为指数加权平均法。 这种方法既有加权算术平均法的长处，又可以减少历史数据的数量。 下一期的预测值只跟上一期的实际观察值和预测值有关； 利用平滑系数加以区分，使得近期数据比远期数据对预测值影响更大。 * 只有一个平滑系数?； 以第t期的预测值与观察值的线性组合作为t+1的预测值，预测模型为 ： Xt为t期的实际观察值； Ft 为t期的预测值； ?为平滑系数 (0 ?1)。 一次指数平滑法(single exponential smoothing) * 在开始计算时，没有第1个时期的预测值F1，通常可以设F1等于第1期的实际观察值，即F1=X1； 第2期的预测值为： 第3期的预测值为： 第4期的预测值为： 权重的理解： * 依此类推： 从展开式看出，Ft+1是Xt ，Xt-1 ，…X1的线性组合，其组合系数为：α，α(1-α),…, α(1-α)t-2, (1-α)t-1。 由于0 α 1，因此αα(1-α) α(1-α)2…(1-α)t-1，所以权数由近及远是逐步衰减的，这种加权平均具备“厚今薄古”的作用； 由于权数的衰减按指数形式(1-α)j进行，故把这种加权平均方法称为指数平滑方法。 * 不同的?会对预测结果产生不同