LibreOffice 24.8 帮助
「指数平滑」是一种在时间序列中平滑实际值, 以便预测可能的未来值的方法。
「指数三重平滑」(ETS) 是一组处理趋势和周期性 (季节性) 影响的算法。「指数双重平滑」(EDS) 是一种类似 ETS 的算法, 但没有周期性的影响。EDS 生成线性预测。
更多详情请见维基百科关于「指数平滑」算法的文章。
「 目标 (必填)」: 日期、时间或单个数字值或范围。要为其计算预测的数据点/范围。
「值 (必填)」:数字数组或范围。「值」是要预测下一个点的历史值。
timeline (mandatory): A numeric array or range. The timeline (x-value) range for the historical values.
The timeline does not have to be sorted, the functions will sort it for calculations.
The timeline values must have a consistent step between them.
If a constant step cannot be identified in the sorted timeline, the functions will return the #NUM! error.
If the ranges of both the timeline and the historical values are not the same size, the functions will return the #N/A error.
If the timeline contains fewer than 2 data periods, the functions will return the #VALUE! error.
「数据补齐 (可选)」:逻辑值 TRUE 或 FALSE, 数字 1 或 0, 默认值为 1 (TRUE)。值为 0 (FALSE) 将零作为其历史值添加缺少的数据点。如果值为 1 (TRUE), 则会通过在相邻数据点之间插值来添加缺少的数据点。
尽管时间线需要在数据点之间保持恒定的步进, 但该函数支持最多 30% 的数据点缺失, 并将添加这些数据点。
「 聚合 (可选)」: 从 1 到 7 的数值, 默认值为 1。聚合参数决定将使用哪种方法聚合相同的时间值:
| 汇总 | 函数 | 
|---|---|
| 1 | AVERAGE | 
| 2 | COUNT | 
| 3 | COUNTA | 
| 4 | MAX | 
| 5 | MEDIAN | 
| 6 | MIN | 
| 7 | SUM | 
尽管时间线需要在数据点之间保持恒定的步进, 但函数将聚合具有相同时间戳的多个点。
「统计类型 (必填)」: 从 1 到 9 的数值。表示将为给定的值和 x 范围返回哪种统计信息。
可返回以下统计信息:
| 统计类型 | 统计信息 | 
|---|---|
| 1 | ETS 算法的 α 平滑参数 (基本) | 
| 2 | ETS 算法的 γ 平滑参数 (趋势) | 
| 3 | ETS 算法的 β 平滑参数 (周期偏差) | 
| 4 | 平均绝对缩放误差 (MASE) - 预测准确性的度量方式。 | 
| 5 | 对称平均绝对百分比误差 (SMAPE) - 基于百分比误差的精度度量。 | 
| 6 | 平均绝对误差 (MAE) – 预测准确性的度量方式。 | 
| 7 | 根平均值平方误差 (RMSE) - 预测值和观察值之间差异的度量方式。 | 
| 8 | 检测到的步长时间线 (x 范围)。当检测到按月/季度/年的步进大小时, 步进大小以月为单位, 否则步长以日期 (时间) 时间线以及其他情况下,步进大小以天为单位。 | 
| 9 | 周期中的样本数 – 这与「周期长度」的参数相同, 或者在参数「周期长度」为 1 的情况下计算出的数字。 | 
「置信度级别 (必填)」: 介于 0 和 1 (不含) 之间的数值, 默认值为0.95。指定计算预测间隔的置信度。
值 <= 0 或 >= 1 时, 函数将返回 #NUM! 错误。
「周期长度 (可选)」: 数值,> = 0, 默认值为 1。一个正整数, 指定周期中的样本数。
值为 1 表示 Calc 将自动确定周期内的采样数。
 值为 0 表示没有周期性影响, 使用 EDS 算法计算预测。
对于所有其他正值, 使用 ETS 算法计算预测。 
对于不是正整数的值, 函数将返回 #NUM! 错误。
forecast = basevalue + trend * ∆x + periodical_aberration。
forecast = ( basevalue + trend * ∆x ) * periodical_aberration。
下表包含时间线及其关联的值:
| A | B | |
|---|---|---|
| 1 | 时间线 | 数值 | 
| 2 | 01/2013 | 112 | 
| 3 | 02/2013 | 118 | 
| 4 | 03/2013 | 132 | 
| 5 | 04/2013 | 100 | 
| 6 | 05/2013 | 121 | 
| 7 | 06/2013 | 135 | 
| 8 | 07/2013 | 148 | 
| 9 | 08/2013 | 148 | 
| 10 | 09/2013 | 136 | 
| 11 | 10/2013 | 119 | 
| 12 | 11/2013 | 104 | 
| 13 | 12/2013 | 118 |