一次指数平滑法 代码实现

以下是Python代码实现一次指数平滑法：

def single_exp_smoothing(data, alpha):
    """
    一次指数平滑法函数
    :param data: 原始数据
    :param alpha: 平滑常数, 0 < alpha < 1
    :return: 返回平滑后的预测值
    """
    smooth_data = [data[0]] # 平滑后的数据
    for i in range(1, len(data)):
        smooth_value = alpha * data[i] + (1 - alpha) * smooth_data[i-1] # 平滑公式
        smooth_data.append(smooth_value)
    return smooth_data

其中，原始数据为data，平滑常数为alpha，返回的是平滑后的预测值。

相关问题

指数平滑法预测二次指数平滑 C++代码

以下是C++实现的二次指数平滑预测算法：

#include <iostream>
#include <vector>
#include <cmath>

using namespace std;

double alpha = 0.2; // 一次平滑系数
double beta = 0.2; // 二次平滑系数
double gamma = 0.2; // 季节性指数平滑系数
int m = 4; // 季节性周期

vector<double> double_exponential_smoothing(vector<double>& data) {
    int n = data.size();
    vector<double> s(n, 0); // 一次平滑序列
    vector<double> b(n, 0); // 二次平滑序列
    vector<double> i(n, 0); // 季节性指数序列
    vector<double> yhat(n, 0); // 预测序列

    // 初始化
    s[0] = data[0];
    for (int j = 1; j < m + 1; j++) {
        i[0] += data[j] - data[j - 1];
    }
    i[0] /= m;

    for (int t = 1; t < n; t++) {
        // 一次平滑
        if (t < m) {
            s[t] = (data[t] + data[t - 1]) / 2;
        } else {
            s[t] = alpha * data[t] + (1 - alpha) * (s[t - 1] + i[t - m]);
        }

        // 二次平滑
        if (t == 1) {
            b[1] = s[1] - s[0];
        } else {
            b[t] = beta * (s[t] - s[t - 1]) + (1 - beta) * b[t - 1];
        }

        // 季节性指数
        if (t < m + 1) {
            i[t] = (data[t] - data[t - 1]) / s[t];
        } else {
            i[t] = gamma * (data[t] - s[t - 1] - b[t - 1]) + (1 - gamma) * i[t - m];
        }

        // 预测
        yhat[t] = s[t - 1] + b[t - 1] + i[t - m];
    }

    return yhat;
}

int main() {
    vector<double> data = {10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170, 180, 190, 200, 210, 220, 230, 240, 250, 260, 270, 280, 290, 300};
    vector<double> yhat = double_exponential_smoothing(data);

    for (int i = 0; i < yhat.size(); i++) {
        cout << "yhat[" << i << "] = " << yhat[i] << endl;
    }

    return 0;
}

其中，`data`是原始数据序列，`alpha`、`beta`和`gamma`分别是一次平滑系数、二次平滑系数和季节性指数平滑系数，`m`是季节性周期。

函数`double_exponential_smoothing`返回预测序列`yhat`。

R语言二次曲线指数平滑法的代码实现

R语言中可以使用Smooth中的expsmooth函数来进行二次曲线指数平滑法的实现。该函数的参数alpha代表平滑系数，beta代表趋势平滑系数，gamma代表季节性平滑系数。下面是一个示例代码：

# 创建一组时间序列数据
data <- ts(c(10, 15, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150), frequency = 4)

# 进行二次曲线指数平滑法
library(smooth)
fit <- expsmooth(data, h = 4, alpha = 0.3, beta = 0.1, gamma = 0.1, phi = 0.9, plot = TRUE)

# 输出预测结果
fit$forecast

在上面的代码中，我们首先创建了一个时间序列数据，然后使用expsmooth函数进行二次曲线指数平滑法的运算。在函数中，我们设置了alpha、beta和gamma三个参数，分别代表平滑系数、趋势平滑系数和季节性平滑系数。我们还设置了phi参数，用于控制二次曲线的形状。最后，我们通过fit$forecast输出了预测结果。