arma模型 java_时间序列分析之 ARIMA 模型的JAVA实现

最近要用ARIMA模型预测用户的数量变化，所以调研了一下ARIMA模型，最后用JAVA实现了ARIMA算法。

一、ARIMA原理

ARIMA的原理主要参考的是ARIMA原理。

二、JAVA实现

弄懂了原理，用JAVA进行了实现，主要参考的步骤是ARIMA实现步骤，JAVA代码如下

(1)AR类，用于构建AR模型

package arima;

import java.util.*;

public class AR {

double[] stdoriginalData={};

int p;

ARMAMath armamath=new ARMAMath();

/**

* AR模型

* @param stdoriginalData

* @param p //p为MA模型阶数

*/

public AR(double [] stdoriginalData,int p)

{

this.stdoriginalData=new double[stdoriginalData.length];

System.arraycopy(stdoriginalData, 0, this.stdoriginalData, 0, stdoriginalData.length);

this.p=p;

}

/**

* 返回AR模型参数

* @return

*/

public Vector ARmodel()

{

Vector v=new Vector();

v.add(armamath.parcorrCompute(stdoriginalData, p, 0));

return v;//得到了自回归系数

}

}

(2)MA类，用于构建MA模型

package arima;

import java.util.Vector;

import arima.ARMAMath;public class MA {

double[] stdoriginalData={};

int q;

ARMAMath armamath=new ARMAMath();

/** MA模型

* @param stdoriginalData //预处理过后的数据

* @param q //q为MA模型阶数

*/

public MA(double [] stdoriginalData,int q)

{

this.stdoriginalData=new double[stdoriginalData.length];

System.arraycopy(stdoriginalData, 0, this.stdoriginalData, 0, stdoriginalData.length);

this.q=q;

}

/**

* 返回MA模型参数

* @return

*/

public Vector MAmodel()

{

Vector v=new Vector();

v.add(armamath.getMApara(armamath.autocorGrma(stdoriginalData,q), q));

return v;//拿到MA模型里面的参数值

}

}

(3)ARMA类，用于构建ARMA模型

package arima;

import java.util.*;

public class ARMA {

double[] stdoriginalData={};

int p;

int q;

ARMAMath armamath=new ARMAMath();

/**

* ARMA模型

* @param stdoriginalData

* @param p,q //p,q为MA模型阶数

*/

public ARMA(double [] stdoriginalData,int p,int q)

{

this.stdoriginalData=new double[stdoriginalData.length];

System.arraycopy(stdoriginalData, 0, this.stdoriginalData, 0, stdoriginalData.length);

this.p=p;

this.q=q;

}

public Vector ARMAmodel()

{

double[] arcoe=armamath.parcorrCompute(stdoriginalData, p, q);

double[] autocorData=getautocorofMA(p, q, stdoriginalData, arcoe);

double[] macoe=armamath.getMApara(autocorData, q);//得到MA模型里面的参数值

Vector v=new Vector();

v.add(arcoe);

v.add(macoe);

return v;

}

/**

* 得到MA的自相关系数

* @param p

* @param q

* @param stdoriginalData

* @param autoCordata

* @return

*/

public double[] getautocorofMA(int p,int q,double[] stdoriginalData,double[] autoRegress)

{

int temp=0;

double[] errArray=new double[stdoriginalData.length-p];

int count=0;

for(int i=p;i

{

temp=0;

for(int j=1;j<=p;j++)

temp+=stdoriginalData[i-j]*autoRegress[j-1];

errArray[count++]=stdoriginalData[i]-temp;//保存估计残差序列

}

return armamath.autocorGrma(errArray, q);

}

}

(4)ARIMA类，用于构建ARIMA模型

package arima;

import arima.ARMAMath;

import java.util.*;

public class ARIMA {

double[] originalData={};

double[] originalDatafirDif={};

double[] originalDatasecDif={};

double[] originalDatathiDif={};

double[] originalDataforDif={};

double[] originalDatafriDif={};

ARMAMath armamath=new ARMAMath();

double stderrDara=0;

double avgsumData=0;

Vector armaARMAcoe=new Vector();

Vector bestarmaARMAcoe=new Vector();

int typeofPredeal=0;

/**

* 构造函数

* @param originalData 原始时间序列数据

*/

public ARIMA(double [] originalData,int typeofPredeal)

{

this.originalData=originalData;

this.typeofPredeal=typeofPredeal;//数据预处理类型 1:一阶普通查分7：季节性差分

}

/**

* 原始数据标准化处理：一阶季节性差分

* @return 差分过后的数据

*/

public double[] preDealDif(double[] originalData)

{

//seasonal Difference:Peroid=7

double []tempData=new double[originalData.length-7];

for(int i=0;i

{

tempData[i]=originalData[i+7]-originalData[i];

}

return tempData;

}

/**

*

*/

public double[] preFirDif(double[] originalData)

{

// Difference:Peroid=1

double []tempData=new double[originalData.length-1];

for(int i=0;i

{

tempData[i]=originalData[i+1]-originalData[i];

}

return tempData;

}

/**

* 原始数据标准化处理：Z-Score归一化

* @param 待处理数据

* @return 归一化过后的数据

*/

public double[] preDealNor(double[] tempData)

{

//Z-Score

avgsumData=armamath.avgData(tempData);

stderrDara=armamath.stderrData(tempData);

for(int i=0;i

{

tempData[i]=(tempData[i]-avgsumData)/stderrDara;

}

return tempData;

}

public modelandpara getARIMAmodel(int[] bestmodel)

{

double[] stdoriginalData=null;

if(typeofPredeal==0)

{

stdoriginalData=new double[originalData.length];

System.arraycopy(originalData, 0, stdoriginalData, 0,originalData.length);

}

else if(typeofPredeal==1)//原始数据一阶普通差分处理

{

originalDatafirDif=new double[this.preFirDif(originalData).length];//原始数据一阶普通差分处理

System.arraycopy(this.preFirDif(originalData), 0, originalDatafirDif, 0,originalDatafirDif.length);

stdoriginalData=new double[originalDatafirDif.length];

System.arraycopy(originalDatafirDif, 0, stdoriginalData, 0,originalDatafirDif.length);

}

else if (typeofPredeal==2)

{

originalDatafirDif=new double[this.preFirDif(originalData).length];//原始数据一阶普通差分处理

System.arraycopy(this.preFirDif(originalData), 0, originalDatafirDif, 0,originalDatafirDif.length);

originalDatasecDif=new double[this.preFirDif(originalDatafirDif).length];

System.arraycopy(this.preFirDif(originalDatafirDif), 0, originalDatasecDif, 0,originalDatasecDif.length);

stdoriginalData=new double[originalDatasecDif.length];

System.arraycopy(originalDatasecDif, 0, stdoriginalData, 0,originalDatasecDif.length);

}

else if(typeofPredeal==3)

{

originalDatafirDif=new double[this.preFirDif(originalData).length];//原始数据一阶普通差分处理

System.arraycopy(this.preFirDif(originalData), 0, originalDatafirDif, 0,originalDatafirDif.length);

originalDatasecDif=new double[this.preFirDif(originalDatafirDif).length];

System.arraycopy(this.preFirDif(originalDatafirDif), 0, originalDatasecDif, 0,originalDatasecDif.length);

originalDatathiDif=new double[this.preFirDif(originalDatasecDif).length];

System.arraycopy(this.preFirDif(originalDatasecDif), 0, originalDatathiDif, 0,originalDatathiDif.length);

stdoriginalData=new double[originalDatathiDif.length];

System.arraycopy(originalDatathiDif, 0, stdoriginalData, 0,originalDatathiDif.length);

}

else if(typeofPredeal==4)

{

o