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。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值