指数平滑法计算公式：St=aYt-1+(1-a)St-1
指数平滑法实际上是一种特殊的加权移动平均法。
其预测公式为：yt+1'=ayt+(1-a)yt' 式中，yt+1'--t+1期的预测值，即本期（t期）的平滑值St ； yt--t期的实际值； yt'--t期的预测值，即上期的平滑值St-1 。
该公式又可以写作：yt+1'=yt'+a(yt- yt')。可见，下期预测值又是本期预测值与以a为折扣的本期实际值与预测值误差之和。
其特点是:
第一，指数平滑法进一步加强了观察期近期观察值对预测值的作用，对不同时间的观察值所赋予的权数不等，从而加大了近期观察值的权数，使预测值能够迅速反映市场实际的变化。权数之间按等比级数减少，此级数之首项为平滑常数a,公比为(1- a)。
第二，指数平滑法对于观察值所赋予的权数有伸缩性，可以取不同的a 值以改变权数的变化速率。如a取小值，则权数变化较迅速，观察值的新近变化趋势较能迅速反映于指数移动平均值中。
因此，运用指数平滑法，可以选择不同的a 值来调节时间序列观察值的均匀程度(即趋势变化的平稳程度)。
扩展资料：
一段时间内收集到的数据所呈现的上升或下降趋势将导致指数预测滞后于实际需求。通过趋势调整，添加趋势修正值，可以在一定程度上改进指数平滑预测结果。调整后的指数平滑法的公式为：包含趋势预测(YITt)=新预测（Yt）+趋势校正（Tt）。
进行趋势调整的指数平滑预测有三个步骤：
1、 利用前面介绍的方法计算第t期的简单指数平滑预测（Yt）；
2、 计算趋势。其公式为： Tt=(1-b)Tt-1+b(Yt-Yt-1)
其中，
Tt=第t期经过平滑的趋势；
Tt-1=第t期上期经过平滑的趋势；
b=选择的趋势平滑系数；
Yt=对第t期简单指数平滑预测；
Yt-1=对第t期上期简单指数平滑预测。
3、计算趋势调整后的指数平滑预测值（YITt).计算公式为：YITt=Yt+Tt。
参考资料：百度百科---指数平滑法
指数平滑法实际上是一种特殊的加权移动平均法。
指数平滑法主要运用于生产预测，也可用于中短期经济发展趋势预测。在所有的预测方法中，指数平滑法是应用最广泛的一种。简单的全期平均法是平等利用时间序列的所有过去的数据。
指数平滑法在移动平均法的基础上发展起来的时间序列分析预测方法。通过计算指数平滑值，并配合一定的时间序列预测模型，对现象的未来进行预测。其原理是任意周期的指数平滑值是实际观测值和上一周期指数平滑值的加权平均值。
扩展资料
指数平滑法可分为第一指数平滑法、第二指数平滑法和第三指数平滑法。当时间序列没有明显的趋势变化时，可以用指数平滑法进行预测。二次指数平滑法适用于具有线性趋势的时间序列。三次指数平滑预测是一种基于二次平滑的再平滑方法。
指数平滑法的特点是可以加强观测期近期观测值对预测值的影响，不同时间观测值的权重不同，从而增加近期观测值的权重，使预测值能够反映市场的实际变化很快，观察值给出的权重可以按比例缩放，因此可以采用不同的A值来改变权重的变化率。
参考资料来源：百度百科-指数平滑法
预测值＝aX（上一期的实际值）＋（1－a)X（上一期的预测值）。
当时间数列无明显的趋势变化，可用一次指数平滑预测。
其预测公式为：yt+1'=ayt+(1-a)yt' 式中，yt+1'--t+1期的预测值，即本期（t期）的平滑值St ； yt--t期的实际值； yt'--t期的预测值，即上期的平滑值St-1 。
该公式又可以写作：yt+1'=yt'+a(yt- yt')。可见，下期预测值又是本期预测值与以a为折扣的本期实际值与预测值误差之和。
指数平滑法的计算中，关键是α的取值大小，但α的取值又容易受主观影响，因此合理确定α的取值方法十分重要，一般来说，如果数据波动较大，α值应取大一些，可以增加近期数据对预测结果的影响。如果数据波动平稳，α值应取小一些。
理论界一般认为有以下方法可供选择：
经验判断法。这种方法主要依赖于时间序列的发展趋势和预测者的经验做出判断。
1、当时间序列呈现较稳定的水平趋势时，应选较小的α值，一般可在0.05～0.20之间取值；
2、当时间序列有波动，但长期趋势变化不大时，可选稍大的α值，常在0.1～0.4之间取值；
3、当时间序列波动很大，长期趋势变化幅度较大，呈现明显且迅速的上升或下降趋势时，宜选择较大的α值，如可在0.6～0.8间选值，以使预测模型灵敏度高些，能迅速跟上数据的变化。
扩展资料：
二次指数平滑预测
二次指数平滑是对一次指数平滑的再平滑。它适用于具线性趋势的时间数列 。其预测公式为：
yt+m=(2+am/(1-a))yt'-(1+am/(1-a))yt=(2yt'-yt)+m(yt'-yt) a/(1-a)式中，yt= ayt-1'+(1-a)yt-1 显然，二次指数平滑是一直线方程，其截距为：(2yt'-yt)，斜率为：(yt'-yt) a/(1-a),自变量为预测天数。
二次指数平滑基本公式 St=αSt+(1-α)St-1 Yt+T=at+btT at=2St-St bt=(α/1-α)(St-St).
St--第t期的一次指数平滑值；
St-1--第t期的二次指数平滑值；
α--平滑系数 ；
Yt+T--第t+T期预测值 ；
T--由t期向后推移期数。
参考资料来源：百度百科-指数平滑法
指数平滑法实际上是一种特殊的加权移动平均法。
指数平滑法主要运用于生产预测，也可用于中短期经济发展趋势预测。在所有的预测方法中，指数平滑法是应用最广泛的一种。简单的全期平均法是平等利用时间序列的所有过去的数据。
指数平滑法在移动平均法的基础上发展起来的时间序列分析预测方法。通过计算指数平滑值，并配合一定的时间序列预测模型，对现象的未来进行预测。其原理是任意周期的指数平滑值是实际观测值和上一周期指数平滑值的加权平均值。
扩展资料
指数平滑法可分为第一指数平滑法、第二指数平滑法和第三指数平滑法。当时间序列没有明显的趋势变化时，可以用指数平滑法进行预测。二次指数平滑法适用于具有线性趋势的时间序列。三次指数平滑预测是一种基于二次平滑的再平滑方法。
指数平滑法的特点是可以加强观测期近期观测值对预测值的影响，不同时间观测值的权重不同，从而增加近期观测值的权重，使预测值能够反映市场的实际变化很快，观察值给出的权重可以按比例缩放，因此可以采用不同的A值来改变权重的变化率。
参考资料来源：百度百科-指数平滑法
1、预测值＝aX（上一期的实际值）＋（1－a)X（上一期的预测值）。
2、指数平滑法是布朗(Robert G..Brown)所提出，布朗(Robert G..Brown)认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。
指数运算公式?
是不是(1)同底数幂相乘，底数不变，指数相加
(2)同指数幂相乘，指数不变，底数相加
除法类同
不要死记公式，不会自己推一下就可以
可能是我知识水平不高，我好想没听说过‘指数运算公式’。
扩展
?
就是说如果相同底数相加要怎么处理呢？
平滑系数0.3时预测第12年运货量为24.31536625
平滑系数0.6时预测第12年运货量为
23.91031832
我是用excel=〉工具=〉数据分析=〉指数平滑，得到的结果。
如果你的“工具”里没有“数据分析”，可在“工具”里先选“加载宏”，然后在“分析工具库”前打勾，确定以后就会有“数据分析”了。
分析：指数平滑法计算公式Ft=α* At－1+（1－α）Ft－1
α代表平滑指数，、F代表预测值，A代表实际值
计算过程：
（1）用指数平滑法预测该厂第四季度的产品销售额
第一步写出计算公式： F4=α* A3+（1－α）F3
第二步带入数据：α=0.2， A3为第三季度的实际值，为180万元，关键是第三季度的预测值F3，令第二期的初试预测值F2等于前一期的实际值A1，利用公司计算出F3。
即F2＝A1＝140万元
F3＝α* A2+（1－α）F2 ＝0.2*200＋（1－0.2）*140＝152（万元）
故F4=0.2*180+（1－0.2）*152＝157.6（万元）
（2）2004年的第一季度实际就是预测第五期的销售额。
F5=α* A4+（1－α）F4
带入数据：α＝0.2、A4＝170、F4＝157.6
F5=0.2*170+（1－0.2）*157.6＝160.08（万元）
指数平滑预测法
指以某种指标的本期实际数和本期预测数为基础，引入一个简化的加权因子，即平滑系数，以求得平均数的一种指数平滑预测法。它是加权移动平均预测法的一种变化。平滑系数必须呈大于0、小于1，如0.1、0.4、0.6等。其计算公式为：下期预测数=本期实际数×平滑系数+本期预测数×（1-平滑系数）上列公式是从下列公式演变而成：
下期预测数=本期预测数+ 平滑系数（本期实际数- 本期预测数）这个公式的含义是：在本期预测数上加上一部分用平滑系数调整过的本期实际数与本期预测数的差，就可求出下期预测数。一般说来，下期预测数常介乎本期实际数与本期预测数之间。平滑系数的大小，可根据过去的预测数与实际数比较而定。差额大，则平滑系数应取大一些；反之，则取小一些。平滑系数愈大，则近期倾向性变动影响愈大；反之，则近期的倾向性变动影响愈小，愈平滑。这种预测法简便易行，只要具备本期实际数、本期预测数和平滑系数三项资料，就可预测下期数。如某种产品销售量的平滑系数为0.4，1996年实际销售量为31万件，预测销售量为33万件。则1997年的预测销售量为：
1997年预测销售量= 31万件×0.4+33万件×（1-0.4）=32.2万件
指数平滑法，实质上是一种特殊的（二次移动平均法）。