不看好用transformer系列做时间序列数据的预测,先从传统的统计预测模型入手进行学习,进而扩展。本文讲解ARIMA模型,以及其相应论文。
ARIMA
与时间序列的平稳性检验有关,ARIMA模型是自回归移动平均模型的扩展模型,其利用时间序列来建模。由于自回归移动平均模型无法在预测时兼顾模型的平稳性,所以要将模型中循环序列进行平稳化处理,通过拟合、逆变形成ARIMA模型。
它有效地结合了自回归模型(AR)和移动平均模型(MA)模型的优点,并且通过差分能够很好地处理非平稳时间序列。
使用ARIMA的预测流程:
ps:推荐一篇论文《基于ARIMA-BP组合模型的智能变电站遥测数据趋势性分析预警技术研究》,很好的掌握ARIMA模型来做时间序列预测的指导论文。