登录 注册
当前位置:主页 > 资源下载 > 44 > 使用ARIMA模型进行时间序列预测

使用ARIMA模型进行时间序列预测

  • 更新:2024-07-30 08:27:50
  • 大小:2.04MB
  • 推荐:★★★★★
  • 来源:网友上传分享
  • 类别:数据集 - 行业研究
  • 格式:ZIP

资源介绍

时间序列预测的Arima 自回归综合移动模型是用于时间序列预测的广义移动平均模型。 非季节Arima具有三个分量p,d,q。 p-指定时间延迟的顺序。 d-指定差异程度 q-指定移动平均线的顺序。 ARIMA是实现的python统计资料库,将用于训练和预测。 该项目使用的是ARIMA的非季节性变体。 资料集 非季节性ARIMA已针对两个数据集进行了验证。 第一个包括温度数据,第二个包括乘客数据。 两者都可以在线获得。 任务是预测两个数据集的未来时间序列值。 实用方法 def isSeriesStationary ( series ): pValue = adfuller ( series )[ 1 ] if pValue > 0.05 : return False else : return True def isSerie