前言:时间序列预测模型适用于含有时间变量的模型预测,对中短期的预测有着较好的结果,对长期预测不适用。本文重点介绍ARIMA模型的原理及代码实现。
其他模型总结:【Python】Python中的经典时间序列预测模型总结_风度78的博客-CSDN博客
1、概念介绍:
A. 平稳性:序列的均值和方差不发生明显变化,即数据在平行于x轴的某条直线上下波动
严平稳:严平稳表示的分布不随时间的改变而改变(例如白噪声)
弱平稳:期望与相关系数不变(未来某个时刻的预测依赖于过去的数据)
B. 差分法:时间序列在t与t-k时刻的差值为k阶差分序列
pandas数据类型 :df.diff(n) n为差分阶数
2、ARIMA(差分自回归移动平均模型)
AR(自回归模型):描述当前值和历史值之间的关系,用变量自身的历史时间数据对自身进行预测。