本文回顾了二阶指数平滑参数的影响。这一解释遵循了一种图形化的方法，没有深入到它们背后繁重的数学运算中。

这种预测模型引入了一个新的统计概念：趋势（Beta）。它还使用了参数Alpha，大数据啥意思，这在之前的文档中已经介绍过：

APO DP–预测模型参数：一阶指数平滑

1。模型选择：销售模式

如果您想手动选择模型，则必须分析历史数据以确定是否存在不同的模式，企业管理软件排行，根据该模式您可以手动为系统选择模型。

趋势模式：

如果您的历史数据代表可疑的趋势行为，新手建站教程，然后你可以选择二阶指数平滑（霍尔特模型）。

假设你有以下销售模式，常数预测显然不适合这里：

a=0.3

我们需要合并显著趋势模式，为此，我们使用Beta.

当数据有趋势时，简单的指数平滑效果不好。在这种情况下，可以应用二阶指数平滑模型（Holt模型）。双指数平滑（Holt模型）背后的基本思想是引入一个术语，以考虑序列显示某种形式趋势的可能性。预测模型参数：二阶指数平滑-霍尔特模型

没有季节性模式的二阶指数平滑模型也称为霍尔特模型。反之，大数据怎么看，没有树的季节性模型称为冬季。

模型参数：

α因子：

系统使用α因子平滑基本值。如果不指定α因子，系统将自动使用α因子0.3。

β因子：

系统使用β因子平滑趋势。

在以下预测图中，您将看到β的影响（α常数为0.3）：

b=0.1/a=0.3->（MAPE=16.39）

b=0.2/a=0.3->（MAPE=16.39）=15.45）

b=0.3/a=0.3->（MAPE=15.37）

b=0.4/a=0.3->（MAPE=15.86）

b=0.5/a=0.3->（MAPE=16.48）

b=0.6/a=0.3->（MAPE=17.03）

b=0.7/a=0.3->（MAPE=17.51）

b=0.8/a=0.3->（MAPE=17.91）

b=0.9/a=0.3->（MAPE=18.31）

β的选择非常重要重要提示：下表包含α=0.3的不同bβ因子的月预测量：

请注意，β0.1得到的预测比β0.9得到的预测大2倍。

结论：0.3是一个很好的折衷方案

嗨，Mariano，

很好的文章和很好的截图。

小建议：

1。最著名的二阶指数平滑方法之一，有时被称为"霍尔特的冬天"。-->我想这不是霍尔特的冬天。霍尔特的冬季通常是季节性趋势模型。这是纯趋势模型（Holt模型）。

2。预测误差本可以更好地输入，以了解所有预测参数组合中的最佳预测参数组合（最佳α和β）

谢谢，

Suresh Sellaiah

谢谢Suresh，

你完全正确。我已经修改了标题，改了这条评论：

"没有季节性模式的二阶指数平滑模型也叫Hold模型。相反的，没有树的季节性图案的模型叫做冬季。。我将把预测误差添加到新模型中。。这是个好主意。事实上，我可能会在这一条中添加预测错误。

非常感谢。

亲切的问候，

马里亚诺

亲爱的马里亚诺。这很好。我正在使用SPP。你有APO SPP中使用的预测模型的文件吗？谢谢。Kannan SRS

嗨，Kannan SRS，我从未使用过SPP.

在帮助下尝试：

服务部件规划（SPP）-SAP库

祝你好运！

问候，Mariano

嗨，Suresh，淘客是啥，

Mape已按照您的建议添加到每个图表中。