针对时间序列的预测，常用方法包括灰色预测，指数平滑或ARIMA模型。灰色预测和指数平滑常用于数据序列较少时使用，且一般只适用于中短期预测。指数平滑可继续拆分为一次平滑，二次平滑和三次平滑，一次平滑法为历史数据的加权预测，二次平滑法适用于具有一定线性趋势的数据，三次平滑法在二次平滑法基础上再平滑一次，其适用于具有一定曲线趋势关系时使用，通常情况下使用三次平滑法较多。
无论是那种平滑法，其均涉及初始值S0和平滑系数alpha共两个参数值，初始值是平滑的最初起点值，一般取数据前1期，2期，3期，4期或5期的平均值作为初始值，如果数据序列越少则初始值S0应该取更多前几期的平均值，因为数据序列较少时前期的重要性相对较高。针对alpha值参数，其意义在于数据的权重，平滑值计算公式为：平滑值=alpha*当期值+(1-alpha)*上期平滑值。alpha值越大意味着当期数据所占的权重越高而上期平滑值所占权重越低，alpha=0意味着平滑值就完全等于上期平滑值；alpha=1意味着平滑值等于当期值。如果说数据波动不大，一般alpha值取的较小些比如0.1~0.5之间，如果数据波动较大且alpha值取值相对较大些，比如0.6~0.8之间。
可以使用SPSSAU进行操作：
指数平滑法是趋势预测法的一种，利用事先确定的平滑指数预测未来销售量或销售额
平滑指数的取值范围一般是0.3-0.7
公式：计划期销售预测值=（平滑指数*上期实际销售数）+(1-平滑指数）*上期销售预测数
例如：
采用一次指数平滑法下，设F2007为对2007年的预测，Y2006、Y2005……为各年的实际值，且F1998=Y1998， 则F2007=aY2006+a（1-a）Y2005+a（1-a）^2Y2004+a（1-a）^3Y2003+……+a（1-a）^7Y1999+（1-a）^8Y1998=127.68
二次指数平滑预测
二次指数平滑是对一次指数平滑的再平滑。它适用于具线性趋势的时间数列，其预测公式为：
yt+m=(2+am/(1-a))yt'-(1+am/(1-a))yt=(2yt'-yt)+m(yt'-yt) a/(1-a)式中，yt= ayt-1'+(1-a)yt-1 显然，二次指数平滑是一直线方程，其截距为：(2yt'-yt)，斜率为：(yt'-yt) a/(1-a),自变量为预测天数。
以上内容参考：百度百科-指数平滑法