文档摘要

4.3 经典时间序列模型 ARIMA 与 EWMA 本节摘要：ARIMA 与 EWMA 是"用历史预测现在、以残差判异常"思路的两大代表。本节讲透 ARIMA 的 (p,d,q) 三参数含义、ADF 平稳性检验、ACF/PACF 定阶流程、残差阈值设定方法，以及 EWMA 的平滑系数 α 权衡与检测流程，最后给出两者的选型对比与应用注意事项。核心思想：能预测"该有的值"，就能比较"实际值"——残差是异常的信号。 会员。《4.3 经典时间序列模型ARIMA与EWMA》收录于灏天文库文集《时间序列异常检测技术》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/490-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流