java二次指数平滑法预测未来的值

转自https://blog.csdn.net/qq_35673617/article/details/86244873

 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()==0 || 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(300d);
		list.add(400d);
		list.add(500d);
		Double value = getExpect(list, 1, 0.6);
		System.out.println((int) Math.ceil(value));
	}

 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。