二次指数平滑法java

二次指数平滑法（Double Exponential Smoothing）是指数平滑法的一种扩展形式，它考虑了时间序列的趋势，用于预测具有明显趋势的时间序列。它的基本思想是将过去观测到的值和趋势赋予不同的权重，最近的值和趋势权重大一些，较早的值和趋势权重小一些，从而对未来的值进行预测。下面是一个二次指数平滑法的JAVA实现：

public class DoubleExponentialSmoothing {
    private double alpha;  // 平滑系数
    private double beta;  // 趋势系数
    private double[] data;  // 原始数据
    private double[] smoothedData;  // 平滑后的数据
    private double[] trend;  // 趋势

    public DoubleExponentialSmoothing(double alpha, double beta, double[] data) {
        this.alpha = alpha;
        this.beta = beta;
        this.data = data;
        this.smoothedData = new double[data.length];
        this.trend = new double[data.length - 1];
    }

    public void smooth() {
        smoothedData[0] = data[0];
        trend[0] = data[1] - data[0];
        for (int i = 1; i < data.length; i++) {
            smoothedData[i] = alpha * data[i] + (1 - alpha) * (smoothedData[i - 1] + trend[i - 1]);
            trend[i - 1] = beta * (smoothedData[i] - smoothedData[i - 1]) + (1 - beta) * trend[i - 2];
        }
    }

    public double[] getSmoothedData() {
        return smoothedData;
    }
}

使用方法与简单指数平滑法类似，如下所示：

double[] data = {1, 2, 3, 4, 5};
double alpha = 0.5;
double beta = 0.5;
DoubleExponentialSmoothing des = new DoubleExponentialSmoothing(alpha, beta, data);
des.smooth();
double[] smoothedData = des.getSmoothedData();

其中，`alpha`和`beta`是平滑系数和趋势系数，`data`是原始数据，`smooth()`方法用于进行平滑，`getSmoothedData()`方法用于获取平滑后的数据。