一种基于时间序列指数平滑的决策支持算法的研究

近年来，时间序列预测分析法在建立非线性模型进行经济预测方面受到广泛的重视和研究。而作为其重要分支之一的指数平滑法，因为操作简单、适用性强、性能优良、应用广泛而成为经典的预测与控制模型。但是指数平滑法始终有三个问题没有得到很好的解决：第一是静态的平滑参数难以适应时间序列自身的变化；第二是对平滑参数取值的选择更多的是依赖人们的经验，而如此确定的值难以达到最佳值；第三是平滑初始值很难确定。本文就是从上述三个难点入手，提出了一种基于改进的折半查找法和改进的动态指数的新型指数平滑模型，比较好的解决了上述三个问题，并在文章最后用实验进行了验证。 首先，本文给出了三种指数平滑方法的定义，并分析了每种方法的特点，预测方法的选取主要取决于三种方法的差异性。 其次，本文介绍了折半查找法，并给出了改进的折半查找法的建立过程和使用方法。 然后，通过对原动态指数平滑方法进行研究，建立了一种改进的自适应权重的动态指数平滑模型，并应用改进折半查找算法对平滑参数进行了优化。以此为基础设计了预测分析系统，对股票价格、国民生产总值、某港口吞吐量等不同的经济指标进行了预测分析。 最后，实验结果表明，采用上述新模型可以得到更好的平滑效果，其结果明显优于传统模型，也较其它算法如神经网络BP算法(多层前馈神经网络)等优秀，预测精度有较大的提高。