指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。
指数平滑法（Exponential Smoothing，ES）是布朗(Robert G..Brown)所提出，布朗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到未来，所以将较大的权数放在最近的资料。 St--时间t的平滑值；yt--时间t的实际值；St-1--时间t-1的平滑值；a--平滑常数，其取值范围为[0,1]；由该公式可知：
1.St是yt-1和St-1的加权算数平均数，随着a取值的大小变化，决定yt-1和St-1对St的影响程度，当a取1时，St=yt；当a取0时，St=St-1。
2.St具有逐期追溯性质，可探源至St-t+1为止，包括全部数据。其过程中，平滑常数以指数形式递减，故称之为指数平滑法。指数平滑常数取值至关重要。平滑常数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。 平滑常数a越接近于1，远期实际值对本期平滑值的影响下降越迅速；平滑常数a越接近于0，远期实际值对本期平滑值的影响下降越缓慢。由此，当时间数列相对平稳时，可取较小的a；当时间数列波动较大时，应取较大的a，以不忽略远期实际值的影响。生产预测中，平滑常数的值取决于产品本身和管理者对良好响应率内涵的理解。
以上就是【平滑指数法是什么】的全部解答，如果想要学习更多知识，欢迎大家前往高顿教育官方网站！