论文部分内容阅读
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.