用Python使用三次指数平滑法进行预测的代码

三次指数平滑法是一种时间序列预测方法，它对数据进行了加权平均处理，其中最近的数据点给予较大的权重，而较远的历史数据点权重逐渐减小。以下是使用Python的`statsmodels`库实现三次指数平滑法的简单示例：

# 首先需要安装statsmodels库，如果尚未安装可以运行：
# !pip install statsmodels

import pandas as pd
from statsmodels.tsa.holtwinters import ExponentialSmoothing

def triple_exponential_smoothing(data, alpha=0.7, beta=0.2, gamma=0.1):
    # 将数据转换为pandas DataFrame方便操作
    data = pd.Series(data)
    
    # 初始化模型
    model = ExponentialSmoothing(data, seasonal='multiplicative', trend='additive', seasonal_deg=3).fit(smoothing_level=alpha, smoothing_slope=beta, smoothing_cycle=gamma)

    # 进行预测
    forecast = model.forecast(steps=len(data))  # 返回预测值列表
    return forecast

# 假设你有一个名为'data'的列表或Series，包含了历史时间序列数据
data = [10, 20, 30, 40, 50, 60]  # 替换为你的时间序列数据

predictions = triple_exponential_smoothing(data)
print("预测值:", predictions)

#