開啟主選單
求真百科
搜尋
檢視 一次指数平滑法 的原始碼
←
一次指数平滑法
由於下列原因,您沒有權限進行 編輯此頁面 的動作:
您請求的操作只有這個群組的使用者能使用:
用戶
您可以檢視並複製此頁面的原始碼。
{| class="wikitable" align="right" |- |<center><img src=https://p1.itc.cn/images01/20231214/594a96a019b041a9b5ba74cdb1d93d2b.jpeg width="350"></center> <small>[https://www.sohu.com/a/743964393_120245260 来自 搜狐网 的图片]</small> |} '''一次指数平滑法'''是专用术语。 如今,一个拥有灿烂文化的[[中国]],带着丰富多彩的文化元素<ref>[https://www.sohu.com/a/222215739_236643 【荐读】细数中国传统文化元素 “一二三四五”] ,搜狐,2018-02-11</ref>屹立在世界东方。而中华[[文化]]的典型代表之一便是汉字<ref>[https://cul.sohu.com/a/533909977_120237147 中华优秀传统文化——汉字]2022-03-30</ref>。 ==名词解释== 一次指数平滑法是指以最后的一个第一次指数平滑。如果为了使指数平滑值敏感地反映最新观察值的变化,应取较大阿尔法值,如果所求指数平滑值是用来代表该时间序列的长期趋势值,则应取较小阿尔法值。同时,对于市场预测来说,还应根据中长期趋势变动和[[季节]]性变动情况的不同而取不同的阿尔法值,一般来说,应按以下情况处理: 1.如果观察值的长期趋势变动接近稳定的[[常数]],应取居中阿尔法值(一般取0.6—0.4)使观察值在指数平滑中具有大小接近的权数; 2.如果观察值呈现明显的季节性变动时,则宜取较大的阿尔法值(一般取0.6一0.9),使近期观察在指数平滑值中具有较大作用,从而使近期观察值能迅速反映在未来的预测值中; 3.如果观察值的长期趋势变动较缓慢,则宜取较小的e值(一般取0.1—0.4),使远期观察值的特征也能反映在指数平滑值中。在确定预测值时,还应加以修正,在指数平滑值S,的基础上再加一个趋势值b,因而,原来指数平滑公式也应加一个b。 一次指数平滑法是根据前期的实测数和预测数,以加权因子为权数,进行加权平均,来预测未来时间趋势的方法。 一次指数平滑法计算公式为: yt + 1 = axt + (1 − a)yt 式中, xt―― 时期 t 的实测值; yt―― 时期 t 的预测值; a―― 平滑系数,又称加权因子,取值范围为0≤a≤1。 将y_t,Y_{t-1},\ldots,y_2的表达式逐次代入yt + 1中,展开整理后,得: y_{t+1}=ax_t+a(1-a)x_{t-1}+a(1-a)^2x_{t-2}+\ldots+a(1-a)^{t-1} x_1+(1-a)^t y_1 从上式中可以看出,一次指数平滑法实际上是以a(1 − a)k为权数的加权移动平均法。由于k越大,a(1 − a)k越小,所以越是远期的实测值对未来时期平滑值的影响就越小。 在展开式中,最后一项y1为初始平滑值,在通常情况下可用最初几个实测值的平均值来代替,或直接可用第 1 时期的实测值来代替。 从上式可以看出,新预测值是根据预测误差对原预测值进行修正得到的。a的大小表明了修正的幅度。a值愈大,修正的幅度愈大,a值愈小,修正的幅度愈小。 因此,a值既代表了预测模型对时间序列数据变化的反应速度,又体现了预测模型修匀误差的能力。 在实际应用中,a值是根据时间序列的变化特性来选取的。 若时间序列的波动不大,比较平稳,则a应取小一些,如0.1 ~ 0.3 ;若时间序列具有迅速且明显的变动倾向, 则a应取大一些,如 0.6 ~ 0.9 。实质上,aa是一个经验数据,通过多个值进行试算比较而定,哪个a值引起的预测误差小,就采用哪个。 一次指数平滑法的初值的确定有几种方法 1、取第一期的实际值为初值; 2、取最初几期的平均值为初值。 一次指数平滑法比较简单,但也有问题。问题之一便是力图找到最佳的α值,以使均方差最小,这需要通过反复试验确定。 ==参考文献== [[Category:800 語言學總論]]
返回「
一次指数平滑法
」頁面