利用时间序列分析预测网络质量

使用的算法：AR模型，MA模型，ARIMA（组合）模型

数据：本案例使用航空乘客数据（AirPassengers.csv）作为样例，数据是从1949年到1960年间每个月的乘客量，格式如下图：

在使用算法预测前需要检验序列的稳定性，并消除趋势：

1. 检验时间序列的稳定性

如果一个时间序列的统计特征如平均数，方差随着时间保持不变，我们就可以认为它是稳定的。

稳定性的确定标准是非常严格的。但是，如果时间序列随着时间产生恒定的统计特征，根据实际目的我们可以假设该序列是稳定的。如下：

• 恒定的平均数
• 恒定的方差
• 不随时间变化的自协方差

2. 　消除趋势

      对时间序列需要做的消除趋势的工作，案例中提出了几种方法，最后使用的是转换。

转换（本例选择的方案）

　　消除趋势的第一个方法是转换。例如,在本例中,我们可以清楚地看到,有一个显著的趋势。所以我们可以通过变换，惩罚较高值而不是较小值。这可以采用对数,平方根,立方根等等。本例使用转换为对数，即对原始时间序列做取对数处理。

 

移动平均数

在这个方法中，根据时间序列的频率采用“K”连续值的平均数。我们可以采用过去一年的平均数，即过去12个月的平均数。

 

指数加权移动平均法

所我们采取“加权移动平均法”可以对最近的值赋予更高的权重。指数加权移动平均法是很受欢迎的方法，所有的权重被指定给先前的值连同衰减系数。