Python时间序列处理之ARIMA模型的使用讲解
作者:Reclusiveman 时间:2021-04-10 05:53:34
ARIMA模型
ARIMA模型的全称是自回归移动平均模型,是用来预测时间序列的一种常用的统计模型,一般记作ARIMA(p,d,q)。
ARIMA的适应情况
ARIMA模型相对来说比较简单易用。在应用ARIMA模型时,要保证以下几点:
时间序列数据是相对稳定的,总体基本不存在一定的上升或者下降趋势,如果不稳定可以通过差分的方式来使其变稳定。
非线性关系处理不好,只能处理线性关系
判断时序数据稳定
基本判断方法:稳定的数据,总体上是没有上升和下降的趋势的,是没有周期性的,方差趋向于一个稳定的值。
ARIMA数学表达
ARIMA(p,d,q),其中p是数据本身的滞后数,是AR模型即自回归模型中的参数。d是时间序列数据需要几次差分才能得到稳定的数据。q是预测误差的滞后数,是MA模型即滑动平均模型中的参数。
a) p参数与AR模型
AR模型描述的是当前值与历史值之间的关系,滞后p阶的AR模型可以表示为:
其中u是常数,et代表误差。
b) q参数与MA模型
MA模型描述的是当前值与自回归部分的误差累计的关系,滞后q阶的MA模型可以表示为:
其中u是常数,et代表误差。
c) d参数与差分
一阶差分:
二阶差分:
d) ARIMA = AR+MA
ARIMA模型使用步骤
获取时间序列数据
观测数据是否为平稳的,否则进行差分,化为平稳的时序数据,确定d
通过观察自相关系数ACF与偏自相关系数PACF确定q和p
得到p,d,q后使用ARIMA(p,d,q)进行训练预测
Python调用ARIMA
#差分处理
diff_series = diff_series.diff(1)#一阶
diff_series2 = diff_series.diff(1)#二阶
#ACF与PACF
#从scipy导入包
from scipy import stats
import statsmodels.api as sm
#画出acf和pacf
sm.graphics.tsa.plot_acf(diff_series)
sm.graphics.tsa.plot_pacf(diff_series)
#arima模型
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(train_data,order=(p,d,q),freq='')#freq是频率,根据数据填写
arima = model.fit()#训练
print(arima)
pred = arima.predict(start='',end='')#预测
来源:https://blog.csdn.net/qq_40707407/article/details/81917061
标签:python,arima模型
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
focus 进 textarea 元素后光标位置的修复
2008-09-27 13:27:00
python调用百度API实现人脸识别
2021-06-11 23:52:23
![](https://img.aspxhome.com/file/2023/2/68472_0s.png)
文字适度阅读的宽度或者字数
2007-10-26 07:31:00
解决Dreamweaver不支持中文文件名方法
2008-01-09 12:52:00
SQL中exists的使用方法
2011-12-01 08:36:07
利用Python上传日志并监控告警的方法详解
2022-08-23 15:31:01
![](https://img.aspxhome.com/file/2023/7/69477_0s.png)
msxml3.dll 错误 ‘800c0005’解决方案
2009-10-05 18:36:00
sql server 获取系统时间的方法
2023-07-17 07:05:36
Python decorator拦截器代码实例解析
2022-04-07 11:03:47
讲解数据库加密技术的功能特性与实现方法
2008-12-18 14:24:00
用Python编写个解释器实现方法接受
2023-01-11 15:50:08
![](https://img.aspxhome.com/file/2023/5/65505_0s.png)
Python中return用法案例详解
2022-09-09 10:35:40
关于document.createDocumentFragment()
2009-04-05 16:04:00
sqlserver 动态创建临时表的语句分享
2012-01-29 17:54:37
关于Math.PI、前自增和后自增
2009-05-25 12:38:00
Python中导入模块的几种方式总结
2023-08-04 17:03:54
![](https://img.aspxhome.com/file/2023/2/61432_0s.png)
Python求两个文本文件以行为单位的交集、并集与差集的方法
2021-12-25 09:12:18
巧用缓存提高ASP应用程序的性能
2008-03-09 15:23:00
PHP中非常有用却鲜有人知的函数集锦
2023-11-24 14:29:47
python绘制已知点的坐标的直线实例
2023-03-12 08:36:11