指數平滑法是一種特殊的加權平均法，加權的特點是對離預測值較近的歷史資料給予較大的權數，對離預測期較遠的歷史資料給予較小的權數，權數由近到遠按指數規律遞減，所以，這種預測方法被稱為指數平滑法。它可分為一次指數平滑法、二次指數平滑法及更高次指數平滑法。

一次指數平滑的侷限性：像一次移動平均法一樣，一次指數平滑法 只適用於水平型歷史資料 的 預測，而不適用於斜坡型線性 趨勢歷史資料的預測。而二次指數平滑法就是以斜坡型為模型來預測未來資料。

除了二次指數平滑法外，還有更高次的多次指數平滑法，由於它們在實際預測中並不常用，因此忽略。所以就以二次指數平滑法為例：

　　/**
  * 二次指數平滑法求預測值
  * 
 
@param list 基礎資料集合
  * @param year 未來第幾期
  * @param modulus 平滑係數
  * @return 預測值
  */
  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;
  }

測試程式碼：

    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);
  }