时间序列预测与ARIMA

文档摘要

时间序列预测与ARIMA 在上一课中，你已经了解了一些关于时间序列预测的知识，并加载了一个展示一段时间内电力负荷波动的数据集。 ARIMA简介点击上面的图片观看视频：对ARIMA模型的简要介绍。示例是用R语言完成的，但这些概念是通用的。课前测验引言在这节课中，你将发现一种特定的方式来构建带有 [ARIMA: 自回归整合移动平均] 模型的方法。ARIMA模型特别适合处理表现出非平稳性的数据。基本概念为了能够使用ARIMA，你需要了解一些概念：平稳性。从统计学的角度来看，平稳性指的是数据分布不随时间变化的数据。非平稳数据则会因为趋势而显示出波动，必须进行转换才能进行分析。例如，季节性可以引入数据中的波动，可以通过“季节差分”过程来消除。差分。