一般地,在进行指数平滑的过程中,需要考虑以下几个因素:①最邻近的值:许多(有可能是大多数)时间序列有正自相关性,这意味着每一个值能与它的前一个值紧密相关。②整体均值:当不能找到序列的规律性时,这常是最好的预测值。③整体趋势:例如考察一个药品库存量序列,如果库存量每天减少10%,应该调整预测值使它能够反映这种趋势。以上四个参数确定了指数平滑模型在生成时间序列过程中各种特征参数的变化速度。从序列的起始位置开始进行指数平滑,每次一个时间段,依次往下进行,每一步都采用邻近的值,并校正序列的均值。如果恰当的话,还对 ......