HoltWinters

本节讲述 HoltWinters 算法模型的使用方法。

功能概述

HoltWinters 模型又称为多次指数平滑模型（EMA）。适用于含有线性趋势和周期波动的非平稳序列，利用指数平滑法让模型参数不断适应非平稳序列的变化，并对未来趋势进行短期预测。 HoltWinters 有两种不同的季节性组成部分，当季节变化在该时间序列中大致保持不变时，通常选择加法模型；而当季节变化与时间序列的水平成比例变化时，通常选择乘法模型。 该模型对于返回数据不提供计算的置信区间范围结果，在 95% 置信区间的上下界结果与预测结果相同。

参数

分析平台中使用自动化的 HoltWinters 模型进行计算，因此每次计算的时候会根据输入的数据自动拟合最合适的模型，然后根据该模型进行预测输出结果。

参数 trend 和 seasonal的均可以选择 add （加法模型）或 mul（乘法模型）。

示例及结果

针对 i32 列进行数据预测，输入列 i32 每 10 个点是一个周期，趋势参数采用乘法模型，季节参数采用乘法模型

1. FORECAST(i32, "algo=holtwinters,period=10,trend=mul,seasonal=mul")

完整的调用SQL语句如下：

1. SELECT _frowts, FORECAST(i32, "algo=holtwinters, peroid=10,trend=mul,seasonal=mul") from foo

1. {
2. "rows": rows,         // 返回结果的行数
3. "period": period,     // 返回结果的周期性，该结果与输入的周期性相同，如果没有周期性，该值为 0
4. "algo": 'holtwinters' // 返回结果使用的计算模型
5. "mse": mse,           // 最小均方误差（minmum square error）
6. "res": res            // 具体的结果，按照列形式返回的结果。一般意义上包含了两列 [timestamp][fc_results]。
7. }

参考文献

• <https://en.wikipedia.org/wiki/Exponential_smoothing>
• <https://orangematter.solarwinds.com/2019/12/15/holt-winters-forecasting-simplified/>