你想弄懂什么？

视频将指数平滑预测公式呈现为当前实际需求与当前预测的加权平均值。下一期的预测值是通过将当前实际需求乘以平滑常数 $\alpha$，再加上前一预测值与互补权重 $(1-\alpha)$ 的乘积来计算的。

适用条件：该公式用于计算第 $t+1$ 期的预测值。；在整个演算示例中，使用相同的平滑常数 $\alpha$。；在开始递归计算之前，必须指定初始预测值 $F_1$。

视频将指数平滑预测公式呈现为当前实际需求与当前预测的加权平均值。下一期的预测值是通过将当前实际需求乘以平滑常数 $\alpha$，再加上前一预测值与互补权重 $(1-\alpha)$ 的乘积来计算的。

适用条件：该公式用于计算第 $t+1$ 期的预测值。；在整个演算示例中，使用相同的平滑常数 $\alpha$。；在开始递归计算之前，必须指定初始预测值 $F_1$。

视频演示了通过将第一个预测值直接设置为等于第一期的实际需求来进行初始化。因为没有可用的先前预测值代入递归公式，所以将第 1 期的观测实际需求直接放入预测列作为 $F_1$。

适用条件：在没有先前预测可用时使用。；在此示例中专门应用于第 1 期。；初始化后，从第 2 期开始递归生成后续预测。

视频演示了通过将第一个预测值直接设置为等于第一期的实际需求来进行初始化。因为没有可用的先前预测值代入递归公式，所以将第 1 期的观测实际需求直接放入预测列作为 $F_1$。

适用条件：在没有先前预测可用时使用。；在此示例中专门应用于第 1 期。；初始化后，从第 2 期开始递归生成后续预测。