时间序列入门学习-03 预测模型

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。