泰迪杯数据挖掘第十届B题，时间序列预测

关于时间序列模型，

我用到了ARIMA但是，由于预测过长，arima预测后期直接成一条直线了，我搜了很多资料，说是因为季节性或者说是周期性的问题，而模型无法识别是哪种周期性的特征（是以天、周还是月的），所以呈现直线。

所以之后采用了SRIMA时间序列模型，加入差分，但是这里在前期检验的时候，一般数据是不平稳的，而我这里数据是平稳的，所以不知道这种方法是否有可行性，就没继续往下做。

另外还看到一种加法季节模型，就是

但是上述方法都是单变脸，时间做索引，数据做变量，没有加入日期，天气这些影响因素，暂时还找到多变量的方法。

另外就是使用了LSTM，采用的是简单的网络，也是网络对数据的拟合效果很好，但是一到预测就成一条直线了，可能是我这种预测方法有问题，相当于左脚踩右脚然后上天，就是拿最后几步预测出新结果，再把新的结果加入到待预测中去预测新结果，这样是因为误差会累积，到后边误差越来越大。大概翻烂了博客，也没找道几个真正做预测的例子，几乎全是拟合，拟合效果很好了就说这个网络很好，而到了真正的预测确实一塌糊涂，尤其是涉及到长序列的预测。

找了很多终于发现了一个informer模型，

[LSTM]时间序列预测存在的问题--滑动窗口是一把双刃剑【持续更新】_Tony学长的博客-CSDN博客_lstm滑动窗口