指数平滑法是一种特殊的加权平均法，加权的特点是对离预测值较近的历史数据给予较大的权数，对离预测期较远的历史数据给予较小的权数，权数由近到远按指数规律递减，所以，这种预测方法被称为指数平滑法。它可分为一次指数平滑法、二次指数平滑法及更高次指数平滑法。

一次指数平滑法虽然克服了移动平均法的缺点，但当时间序列的变动出现直线趋势时，用一次指数平滑法进行预测，仍存在明显的滞后偏差，因此，也必须加以修正，再作二次指数平滑，利用滞后偏差的规律建立直线趋势模型，这就是二次指数平滑法。其计算公式为：

GUI界面如下

加载数据——输入模型参数alpha、预测数据个数、x轴坐标名称、y轴坐标名称——点击开始计算即可出现结果，同时会在当前文件夹下生成预测数据的excel文件和图片预测.jpg。需要完整GUI程序，可以进行赞赏后截图（10元及以上），进行联系，或者在微信公众号“云龙派”内回复截图，几小时内会回复。界面编程不易，还请见谅！

举例计算

猪肉价格数据（数据来源：国家统计局）

注：全国200个农产品集贸市场调查县，受新型冠状病毒肺炎疫情影响，2月份北京、黑龙江、山东、河南、湖北、重庆等共有26个县集贸市场被迫关闭，无法采集数据。为确保数据可比，1月份和上年同期数据做了同口径处理。

界面计算：

点击加载数据按键，加载数据

输入参数，点击开始计算

GUI主要程序如下：

function pushbutton9_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton9 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
global data
alpha = str2num(get(handles.edit13,'string'));
num = str2num(get(handles.edit16,'string'));
str1 = get(handles.edit17,'string');
str2 = get(handles.edit18,'string');
%   yt原始数据以列向量方式存放
%   alpha 取值
yt = data;
st1(1)=yt(1);
st2(1)=yt(1);
n=length(yt);
%   预测计算公式
for i=2:n
    st1(i)=alpha*yt(i)+(1-alpha)*st1(i-1);
    st2(i)=alpha*st1(i)+(1-alpha)*st2(i-1);
end
a=2*st1-st2;
b=alpha/(1-alpha)*(st1-st2);
yhat=a+b; 
yhat=yhat';
for i = 1:num
yu(i) = a(end)+b(end)*i;
end
data11 = [yhat' yu];
figure;
plot(data11,'b-*','linewidth',1);
hold on
plot(n:n+num,data11(end-num:end),'r-o','linewidth',1);
grid on;
xlabel(str1);
ylabel(str2);
legend('历史走势','未来走势')
saveas(gcf,'预测.jpg');%保存生成的图片
close(gcf);
axes(handles.axes3);
plot(data11,'b-*','linewidth',1);
hold on
plot(n:n+num,data11(end-num:end),'r-o','linewidth',1);
grid on;
xlabel(str1);
ylabel(str2);
legend('历史走势','未来走势')
xlswrite('预测的数据.xlsx',data11');
set(handles.uitable3,'data',data11');

作 者 | 郭志龙
编 辑 | 郭志龙
校 对 | 郭志龙

本文内容来源于网络，仅供参考学习，如内容、图片有任何版权问题，请联系处理，24小时内删除。