时间序列指数平滑算法的改进研究

时间序列指数平滑算法应用十分广泛,操作简单,但在实际应用过程中,也存在许多缺陷,参数都是静态的,无法适用序列的自身变化,随着时间的推移,预测的效果逐渐下降,指数平滑模型中的参数往往是依赖经验得到的,无法得到最优值。改进方法大体包括三个方向,以时间函数替代参数代入到时间序列指数平滑模型之中,还可进行组合预测,优化指数平滑模型,根据不同特征,采用不同的方法,可提高预测的精度,还可采用预测分割算法,能够识别关键点对模型的影响。