如何在React中调用Excel的FORECAST.ETS与FORECAST.LINEAR函数？

不需要创建Excel文件再调用函数，这绝对不是唯一方式。你可以直接基于这两个函数的算法逻辑，用TypeScript手写实现，或者借助轻量的统计类工具函数完成需求。

1. 实现FORECAST.LINEAR（线性预测） #

FORECAST.LINEAR的核心是简单线性回归，公式为 y = a + bx，其中：

• b = (nΣxy - ΣxΣy) / (nΣx² - (Σx)²)
• a = (Σy - bΣx) / n

TypeScript实现代码：

/**
 * 实现Excel的FORECAST.LINEAR函数
 * @param x 要预测的目标x值
 * @param knownYs 已知的y值数组
 * @param knownXs 对应的已知x值数组
 * @returns 预测的y值
 */
function forecastLinear(x: number, knownYs: number[], knownXs: number[]): number {
  const n = knownYs.length;
  if (n !== knownXs.length || n === 0) {
    throw new Error("已知x和y数组长度必须相等且不为空");
  }

  let sumX = 0, sumY = 0, sumXY = 0, sumX2 = 0;
  for (let i = 0; i < n; i++) {
    sumX += knownXs[i];
    sumY += knownYs[i];
    sumXY += knownXs[i] * knownYs[i];
    sumX2 += knownXs[i] ** 2;
  }

  const denominator = n * sumX2 - sumX ** 2;
  if (denominator === 0) {
    throw new Error("x值不能全部相同，无法计算线性回归");
  }

  const b = (n * sumXY - sumX * sumY) / denominator;
  const a = (sumY - b * sumX) / n;

  return a + b * x;
}

2. 实现FORECAST.ETS（指数平滑预测） #

FORECAST.ETS基于三重指数平滑（ETS AAA模型），处理带趋势和季节性的时间序列数据。逻辑相对复杂，核心是计算三个平滑系数（水平、趋势、季节性），然后生成预测值。

以下是简化的TypeScript实现（适配默认的Excel参数：自动检测季节性，置信区间95%）：

/**
 * 实现Excel的FORECAST.ETS函数（简化版，支持AAA模型）
 * @param targetDate 要预测的目标时间点（需转换为数值，比如时间戳或序列数）
 * @param knownYs 已知的y值数组
 * @param knownDates 对应的已知时间点数组（需转换为数值）
 * @param seasonality 季节性周期，Excel默认自动检测，这里可手动传入，比如12代表月度季节性
 * @returns 预测的y值
 */
function forecastETS(
  targetDate: number,
  knownYs: number[],
  knownDates: number[],
  seasonality: number = 1
): number {
  const n = knownYs.length;
  if (n !== knownDates.length || n < 2) {
    throw new Error("已知数据长度必须至少为2，且时间和值数组长度相等");
  }

  // 计算时间间隔（假设时间序列是均匀的，Excel默认处理均匀间隔）
  const interval = knownDates[1] - knownDates[0];
  const targetIndex = (targetDate - knownDates[0]) / interval;

  // 三重指数平滑系数（Excel默认自动优化，这里用经验值）
  const alpha = 0.3; // 水平平滑系数
  const beta = 0.1; // 趋势平滑系数
  const gamma = 0.1; // 季节性平滑系数

  // 初始化水平、趋势、季节性值
  let level = knownYs[0];
  let trend = knownYs[1] - knownYs[0];
  const seasonals: number[] = [];
  for (let i = 0; i < seasonality; i++) {
    seasonals.push(knownYs[i] - level);
  }

  // 迭代计算平滑值
  for (let i = seasonality; i < n; i++) {
    const currentY = knownYs[i];
    const seasonalIndex = i % seasonality;
    const predictedY = level + trend + seasonals[seasonalIndex];
    
    // 更新水平
    const newLevel = alpha * (currentY - seasonals[seasonalIndex]) + (1 - alpha) * (level + trend);
    // 更新趋势
    const newTrend = beta * (newLevel - level) + (1 - beta) * trend;
    // 更新季节性
    seasonals[seasonalIndex] = gamma * (currentY - newLevel) + (1 - gamma) * seasonals[seasonalIndex];

    level = newLevel;
    trend = newTrend;
  }

  // 计算预测值
  const forecastSeasonalIndex = Math.floor(targetIndex) % seasonality;
  return level + trend * (targetIndex - n + 1) + seasonals[forecastSeasonalIndex];
}

额外说明 #

• 如果你不想手动实现，可以用成熟的统计类工具函数（比如轻量的stats.js），直接调用对应的线性回归、指数平滑方法，避免重复造轮子。
• 上述实现是核心逻辑的简化，和Excel原生函数的精度可能有细微差异（比如Excel会自动优化平滑系数、处理异常值），如果需要完全对齐，可以参考微软公开的FORECAST.ETS算法文档调整细节。

内容的提问来源于stack exchange，提问作者JVHE