指数平滑法(ETS算法)
指数平滑法的前提是认为时间序列的态势具有稳定性或规则性,所以时间序列可以被合理的顺势外推，但只能对短期的预测效果较好。常用的指数平滑方法包括一次指数平滑法、二次指数平滑法、Holt-Winter 非季节模型、 Holt-Winter 季节加法模型和乘法模型。
We’re 指数平滑法 (ETS) 算法 With You on the Journey to What’s Possible
Our assessments, learning solutions and pioneering research help students, educators and employers clearly see the next step on their path to new possibilities.
The world's most widely used admissions test 指数平滑法 (ETS) 算法 for graduate & professional school.
Learn More The GRE Test
The 指数平滑法 (ETS) 算法 指数平滑法 (ETS) 算法 premier English-language test for admissions worldwide.
Learn More The TOEFL iBT Test
The quality you expect. The insights you need.
Learn More The TOEFL Essentials Test
A trusted leader 指数平滑法 (ETS) 算法 in educator licensure assessment.
Learn More The Praxis Tests
The global standard for assessing English-language proficiency for the workplace.
Learn More The TOEIC Tests
A new opportunity to earn a high school equivalency credential.
Learn More The HiSET Exam
Power your progress with assessments and 指数平滑法 (ETS) 算法 指数平滑法 (ETS) 算法 research tools designed to help you make decisions with confidence.
View All Products
R&D Consulting Services
We can help you address your psychometric, research, development and training needs.
ETS Strategic Capital
Driving strategic business growth through investments, partnerships and acquisitions.
ETS ® Accelerate
Developing transformative EdTech solutions that fuel your organization's success.
News & Insights
To advance quality and equity in education 指数平滑法 (ETS) 算法 by providing fair and valid assessments, research and related services. Our products and services measure knowledge and skills, promote learning and performance, and support education and professional development for all people worldwide.
Copyright © 2022 by ETS. All rights reserved.
All trademarks are the property of their respective owners.
指数平滑预测法
下期预测数=本期预测数+ 平滑系数（本期实际数- 本期预测数）这个公式的含义是：在本期预测数上加上一部分用平滑系数调整过的本期实际数与本期预测数的差，就可求出下期预测数。一般说来，下期预测数常介乎本期实际数与本期预测数之间。平滑系数的大小，可根据过去的预测数与实际数比较而定。差额大，则平滑系数应取大一些；反之，则取小一些。平滑系数愈大，则近期倾向性变动影响愈大；反之，则近期的倾向性变动影响愈小，愈平滑。这种预测法简便易行，只要具备本期实际数、本期预测数和平滑系数三项资料，就可预测下期数 [2] 。例如某种产品销售量的平滑系数为0.4，1996年实际销售量为31万件，预测销售量为33万件。则1997年的预测销售量为：1997年预测销售量= 31万件×0.4+33万件×（1-0.4）=32.2万件。
怎么理解时间序列的指数平滑与分解预测?
郝凌峰 数据挖掘 于 2019-07-19 09:36:29 发布 1239 收藏
怎么理解时间序列的指数平滑与分解预测?
对某些经济指标的时间序列数据来说,通常不存在明显的趋势变动和周期变动或者存在某种长期趋势变动,但是短期趋势经常发生变化.对于这种数据我们可以采取平滑法。常见的平滑方法有：简单全期平均、移动平均和指数平滑法。全期平均不考虑时间距离的长短而全部同等的利用，移动平均只考虑部分数据并给予近期较大的权，而指数平滑方法综合了两种方法, 因而该方法在短期预测中效果较好。
指数平滑法(ETS算法)
指数平滑法的前提是认为时间序列的态势具有稳定性或规则性,所以时间序列可以被合理的顺势外推，但只能对短期的预测效果较好。常用的指数平滑方法包括一次指数平滑法、二次指数平滑法、Holt-Winter 非季节模型、 Holt-Winter 季节加法模型和乘法模型。
二、分解预测
对一般的月度或季度经济指标，通常包含4中变动要素：长期趋势要素、循环趋势要素、季节变动要素和不规则要素。长期趋势要素代表了经济时间序列的长期走势，循环趋势要素通常是以数年为周期的一种周期性变动，代表了一种景气变动；季节变动要素是每年重复出现的循环变动，如以12个月或4个季度为周期的变动。不规则要素主要是一些变化 不固定的随机因子或噪声。通常对一般的经济指标重点放在研究该序列的长期趋势要素和循环趋势要素上，这就要把它们从整个序列中分解出来。
分解预测法的具体步骤是：
(1)选择对应时间(或时间段)、对应类别的历史负荷曲线，将其分解为若干个时间序列，分析其变化的规律性。
(2)定性分析预测期内用电结构和用电方式的变化趋势，选择合适的时间序列预测方法，分别对各时间序列进行预测。
(3)将各预测值合成为负荷曲线，并校核其特性指标与定性分析结果的一致性。若不一致，则要分析并找出偏差较大的序列，重新预测并校核。
分解预测法的关键是要选择对应时间(或时间段)和对应类别的负荷曲线作为分解对象，使得分解后的历史时间序列具有较强的规律性，以提高预测的准确性。另外，还要对未来负荷曲线及其特性的变化趋势(尤其要对高峰时段的负荷水平及其变化趋势)做深入的分析。
时间序列分析|(ETS)指数平滑模型及R中实践
得到结果：
Time Series: 指数平滑法 (ETS) 算法
Start = 1814
End = 1912
Frequency = 1
xhat level 指数平滑法 (ETS) 算法
1814 23.56000 23.56000
1815 23.62054 23.62054
1816 23.57808 23.57808
1817 23.76290 23.76290
1818 23.76017 23.76017
1819 23.76306 23.76306
1820 23.82691 23.82691
.
1905 24.62852 24.62852 指数平滑法 (ETS) 算法
1906 24.58852 24.58852
1907 24.58059 24.58059
1908 24.54271 24.54271
1909 24.52166 24.52166
1910 24.57541 24.57541
1911 24.59433 24.59433
1912 24.59905 24.59905
误差平方和存储在名为“ SSE”的列表变量“ rainseriesforecasts”的命名元素中，因此我们可以通过输入以下内容获取其值：
> rainseriesforecasts$SSE [1] 1828.指数平滑法 (ETS) 算法 855
也就是说，这里的平方误差总和是1828.855。
在简单的指数平滑中，通常将时间序列中的第一个值用作该级别的初始值。例如，在伦敦的降雨时间序列中，第一个值是1813年的降雨的23.56（英寸）。可以使用“ l.start”参数在HoltWinters（）函数中为水平指定初始值。例如，要进行将级别的初始值设置为23.56的预测，输入：
> HoltWinters(rainseries, beta=FALSE, gamma=FALSE, l.start=23.56)
默认情况下，HoltWinters（）仅对原始数据所在时间段进行预测，降雨时间序列的时间段为1813-1912。如若要对未来时间段进行预测，我们可以使用R“ forecast”指数平滑法 (ETS) 算法 包中的“ forecast.HoltWinters（）”函数对其他时间点进行预测。要使用Forecast.HoltWinters（）函数，我们首先需要安装“ forecast” R包：
> library("forecast")
接着，使用Forecast.HoltWinters（）中的“ h”参数指定要进行预测的其他时间点。例如，要使用Forecast.HoltWinters（）对1814-1820年（再增加8年）的降雨量进行预测，输入：
> rainseriesforecasts2
> 指数平滑法 (ETS) 算法 rainseriesforecasts2
Point Forecast Lo 80 指数平滑法 (ETS) 算法 Hi 80 Lo 95 Hi 95
1913 24.67819 19.17493 30.18145 16.26169 33.09470
1914 24.67819 19.17333 30.18305 16.25924 33.09715
1915 24.67819 19.17173 30.18465 16.25679 33.09960
1916 24.67819 19.17013 30.18625 16.25434 33.10204
1917 24.67819 19.16853 30.18785 16.25190 33.10449
1918 24.67819 19.16694 30.18945 16.24945 33.10694
1919 24.67819 19.16534 30.19105 16.24701 33.10938
1920 24.67819 19.16374 30.19265 16.24456 33.11182
要绘制由Forecast.HoltWinters（）做出的预测，我们可以使用“ plot.forecast（）”函数：
> plot.forecast(rainseriesforecasts2)