使用C#构建指数平滑法预测数据

指数平滑法（Exponential Smoothing）是一种时间序列预测方法，用于预测具有趋势或季节性的数据。它通过给过去的观测值赋予不同的权重来计算预测值，其中最近的观测值通常会获得较高的权重。

1. 数据集：我们定义了一个包含5个数值的数据集 data。
2. 平滑参数：alpha 是平滑参数，其值介于0和1之间。alpha 越接近1，模型对最近的数据点的依赖越大；alpha 越接近0，模型对历史数据的依赖越大。
3. 初始预测值：初始预测值通常设为数据集的第一个值。
4. 预测计算：在 ExponentialSmoothing 方法中，我们遍历数据集中的每个实际值，根据公式 F(t) = α * A(t) + (1 - α) * F(t-1) 计算预测值，其中 F(t) 是当前预测值，A(t) 是当前实际值，F(t-1) 是上一个预测值。
5. 输出结果：最后，我们打印出原始数据和对应的预测值。

public Mse_Dto Ema()
{
    List<double> data = new List<double>() { 10, 20, 30, 40, 50};
    // 创建指数平滑对象，设置平滑系数
    ExponentialSmoothing ses1 = new ExponentialSmoothing('0.6');
     // 对数据进行一次平滑处理
    List<double> s1 = ses1.SmoothData(data);
    // 创建指数平滑对象，设置平滑系数
    ExponentialSmoothing ses2 = new ExponentialSmoothing('0.6');
     // 对数据进行二次平滑处理
    List<double> s2= ses.SmoothData(s1);
    double mse = 0;
    for (int i = 0; i < s2.Count; i++)
    {
        var value = (int)s2[i] - (int)s0[i];
        mse = Math.Pow(value, 2) + mse;
    }
    //计算均方误差
    mse = Math.Pow(mse, 0.5) / s0.Count;
    double at = s1[s1.Count - 1] * 2 - s2[s2.Count - 1];
    double bt = (alpha / (1 - alpha)) * (s1[s1.Count - 1] - s2[s2.Count - 1]);
    double xt = at + bt * u;
}

 计算预测值

 public class ExponentialSmoothing
 {
        /// <summary>
        /// 平滑系数
        /// </summary>
        private double alpha; 

        /// <summary>
        /// 上一次平滑后的值
        /// </summary>
        private double lastSmoothedValue;

        /// <summary>
        /// 初始化
        /// </summary>
        /// <param name="alpha"></param>
        public ExponentialSmoothing(double alpha)
        {
            if (alpha < 0 || alpha > 1)
            {
                throw new ArgumentException("Alpha must be between 0 and 1.");
            }
            this.alpha = alpha;
            this.lastSmoothedValue = 0;
        }

        /// <summary>
        /// 计算下一个平滑值
        /// </summary>
        /// <param name="value">当前观测值</param>
        /// <returns>平滑后的值</returns>
        public double SmoothNextValue(double value)
        {
            if (lastSmoothedValue == 0)
            {
                // 如果是第一次调用，则直接返回当前值作为初始平滑值
                lastSmoothedValue = value;
            }
            else
            {
                // 计算新的平滑值
                lastSmoothedValue = alpha * value + (1 - alpha) * lastSmoothedValue;
            }
            return lastSmoothedValue;
        }

        /// <summary>
        /// 对一系列数据进行平滑处理
        /// </summary>
        /// <param name="data">时间序列数据</param>
        /// <returns>平滑后的数据列表</returns>
        public List<double> SmoothData(List<double> data)
        {
            List<double> smoothedData = new List<double>();
            foreach (var value in data)
            {
                smoothedData.Add(SmoothNextValue(value));
            }
            return smoothedData;
        }
  
    }