java二次指數平滑法預測未來的值
阿新 • • 發佈:2020-10-23
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); }