Ⅰ 時序檢測演算法--指數平滑法
http://www.dataguru.cn/article-3235-1.html
所有移動平均法都存在很多問題。
它們都太難計算了。每個點的計算都讓你絞盡腦汁。而且也不能通過之前的計算結果推算出加權移動平均值。
移動平均值永遠不可能應用於現有的數據集邊緣的數據，因為它們的窗口寬度是有限的。這是一個大問題，因為數據集邊緣的變動形態一般都是我們最感興趣的部分。
類似地，移動平均法也不能應用於現有數據集的范圍之外。其結果是，它們對預測毫無用處。
幸運的是，有一種很簡單的計算方案能夠避免所有這些問題。它叫指數平滑法(exponential smoothing)或Holt-Winters法。指數平滑法有幾種不同形式：一次指數平滑法針對沒有趨勢和季節性的序列，二次指數平滑法針對有趨勢但 沒有季節性的序列。 術語「Holt-Winters法」有時特指三次指數平滑法。
所有的指數平滑法都要更新上一時間步長的計算結果，並使用當前時間步長的數據中包含的新信息。它們通過「混合」新信息和舊信息來實現，而相關的新舊信息的權重由一個可調整的拌和參數來控制。各種方法的不同之處在於它們跟蹤的量的個數和對應的拌和參數的個數。