加权移动平均法 C++

加权移动平均法是一种统计分析技术，在C++中可以用于对时间序列数据进行平滑处理或预测。它给最近的数据赋予较大的权重，而较旧的数据赋予较小的权重，以此来更准确地反映当前趋势。在C++中，你可以创建一个数组或动态数据结构来存储数据点，并为每个新数据点计算其在平均值中的权重影响。

基本步骤如下：
1. 定义一个固定大小的数组，作为缓冲区存放历史数据和对应的权重。
2. 当有新的数据到来时，替换数组的第一个元素（最旧的数据），并根据算法更新平均值。
3. 算法通常涉及指数衰减权重，比如简单算术平均（所有数据同权重）、线性衰减（新数据权重大、旧数据权重小）、指数衰减（近期数据权重更大）等。
4. 使用循环或迭代器来轻松处理数组中的权重计算和数据移动。

下面是一个简单的C++示例，展示了如何使用双端队列（deque）实现加权移动平均：

#include <iostream>
#include <deque>

double calculate_weighted_average(const std::deque<double>& data, int decay_factor) {
    double sum = 0;
    double total_weight = 0;

    for (const auto& value : data) {
        // 这里假设衰减因子是一个介于0到1之间的浮点数，表示权重
        double weight = decay_factor / (decay_factor + data.size());  // 指数衰减权重

        sum += value * weight;
        total_weight += weight;
    }

    return sum / total_weight;
}

int main() {
    std::deque<double> weighted_avg_buffer(5);  // 使用一个大小为5的缓冲区
    double new_value;
    while (std::cin >> new_value) {
        weighted_avg_buffer.push_back(new_value);
        if (weighted_avg_buffer.size() > 1) {  // 如果有超过一个数据
            double avg = calculate_weighted_average(weighted_avg_buffer, 0.9);  // 衰减因子为0.9（例如）
            std::cout << "Current weighted average: " << avg << std::endl;
        }
    }
    return 0;
}