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。

关于三种平滑法，初始值S0和alpha值的说明如下表：

如果不设置平滑方法，SPSSAU会自动遍历不同组合的平滑方法，找出最优效果时对应的平滑方法；

如果不设置初始值S0，SPSSAU自动按照样本量情况设置初始值S0；

如果不设置平滑系数alpha，SPSSAU自动遍历各种alpha取值情况，并且选择最优效果时对应的alpha值。