时间序列分析:平稳时间序列建模

本文介绍了如何对时间序列数据进行分析,包括数据转换、时序图与自相关图检验,判断序列的平稳性和随机性。通过检验选择了MA(1)模型,并进行了模型优化,最终用于未来5年的降雪量预测。
摘要由CSDN通过智能技术生成

一.录入数据

1.读入数据

在R中输入一下命令:

rain=read.table("/home/ddy/桌面/习题3.17数据.txt",sep="\t",header = F)
> head(rain)

在这里插入图片描述
我们发现该数据录入的时候是按行录入的,我们需要的时按列录入的数据,所以我们对原数据先转置,再将数据的每一列链接到第一列下面,代码实现如下:

#将数据转置
> rain=t(rain)
> rain_m=matrix(data=0, nrow = 64, ncol = 1)
> k=1
#将数据的每一列链接到第一列下面
> for(i in 1:8){
     
   for(j in 1:8){
    
      rain_m[k]=rain[j,i]  
      k=k+1   
     }
}
> rain_m

2.转为时间序列数据

rain_m=ts(rain_m)

二. 平稳时间序列建模

1.建模步骤

在这里插入图片描述

2.根据序列的时序图,自相关图和偏自相关图判断序列的平稳性,随机性

  • 11
    点赞
  • 53
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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