基于ES動態預測原理的深度分析與探討

鄧昌瑞 張小圓 黃艷梅 周小紅 聶水晶

摘 要

平滑系數參數值的合理選取是ES預測模型預測成功的關鍵，但是在實際的場景應用中，很多教材或資料對平滑系數的重要性都描述的都過于籠統、簡單，對平滑系數值的確定較為主觀，沒有充分運用好數據信息，導致預測結果的有效性嚴重缺乏說服力。本文基于ES預測原理進行了更進一步的分析與解讀，著重介紹了平滑系數在ES預測模型中的地位和作用，為ES預測模型使用者提供了具有一定價值的理論參考依據。

關鍵詞

ES模型;動態平滑系數;平穩性;季節性;預測精度

中圖分類號： O657.33 ? ? ? ? ? ? ? ? ? 文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 08 . 34

通過對搜集（觀測）到的某事物（現象）時間序列數據進行深入分析與預測，可以了解并掌握該事物（或現象）隨時間變化的變化方向、發展狀態與發展程度，是現代大數據分析的核心內容。

1 背景介紹

時間序列現代分析方法需要通過分析現象的變化趨勢與規律，對時間序列數據信息進行深度挖掘，以建立預測模型來做出預測。在眾多的時間序列預測模型中，Robert G.Brown提出的指數平滑法（Exponential Smoothing，ES）預測模型最為常用。

ES的提出，既考慮到了各種現象（如經濟現象）較為早期的變化發展狀態，又結合了其近期的變化特點，兼容了全期與加權移動平均所具有的優點，已經在水質預測[1]、GPS衛星鐘差預報[2]、技術改進[3]、水體污染預測[4]、環境噪聲污染預測[5-6]等領域中得到推廣。當所研究的現象隨著時間推移而呈現出較為穩定的狀態（即時間序列數據的變化呈近似線性形狀）時，使用一、二次指數平滑法對其進行分析和預測較為簡便，而當所研究的現象隨時間推移呈現出較為不穩定的狀態（如現象受季節因素影響）時，則用三次指數平滑法較為恰當。

但是，ES在實際的場景應用中，很多教材或資料都描述的都過于籠統、簡單，沒有充分運用好數據信息，經常會造成預測結果缺乏說服力。本文從ES預測原理上進行更深入的分析和解讀，以期提供其在具體場景應用時較有價值的理論參考。

2 ES預測原理

ES預測模型分為一、二、三次指數平滑法預測模型，預測成功與否主要取決于平滑系數這個參數的合理取值。

2.1 符號說明

3 結束語

通過上面對ES預測模型的解讀我們可以得出結論：在應用指數平滑法進行預測時，一定要對ES的預測原理理解到位，正確客觀的選擇好平滑系數，否則將直接影響到預測的成敗。特別是在不同的場景下應用ES進行預測時，對數據進行去噪和平穩性的判定是非常必要的，只有通過多次論證或試驗以確定出較為客觀的平滑系數，才可能得到一個好的結論。

參考文獻

[1]張雅，基于洱海的水質預測算法研究[D].昆明理工大學，2018.

[2]王利，張勤，黃觀文，田婕.基于指數平滑法的GPS衛星鐘差預報[J].武漢大學學報（信息科學版）.2017（07）.

[3]謝正文，孔凡玉，胡毅夫.指數平滑技術改進灰色沉降預測模型及應用[J].中外公路，2007，第27卷進第3期，26-29.

[4]何斯雯，謝正文，黃雅楠，袁昌明.基于指數平滑技術的水體污染灰色預測模型及應用[J].環境科學與管理，2009，第34卷進第8期，169-172.

[5]李建華，周挺進.基于指數平滑法的環境噪聲污染預測模型及應用[J].環境科學與管理，2012，第37卷進第7期，50-53.

[6]王國權，王森，劉華勇，薛永端，周平.基于自適應的動態三次指數平滑法的風電聲風速預測[J].電力系統保護與控制，2014，第42卷第15期，117-122.

[7]劉立強，怎樣推導指數平滑法預測模型的參數計算公式[J]，中國統計，1993.01，20-22.