-
使用ARIMA模型进行时间序列预测
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