ARIMA模子 (AutoRegressive Integrated Moving Average) 算法详解与PyTorch ...

ARIMA模子 (AutoRegressive Integrated Moving Average) 算法详解与PyTorch实现


  
<hr> 1. ARIMA模子概述

ARIMA（AutoRegressive Integrated Moving Average）模子是一种经典的时间序列猜测模子，由Box和Jenkins于1970年提出。ARIMA模子结合了自回归（AR）、差分（I）和移动均匀（MA）三个部分，能够有效地捕捉时间序列数据中的趋势和季候性。ARIMA广泛应用于经济、金融、气象等领域的时间序列猜测。
1.1 时间序列猜测

时间序列猜测是一种基于历史数据猜测将来值的方法。ARIMA模子通过捕捉时间序列数据中的自相干性和移动均匀性，能够进行正确的猜测。
1.2 ARIMA的优势

• 灵活性：ARIMA模子能够处理多种时间序列数据，包罗平稳和非平稳数据。
  
• 解释性强：ARIMA模子的参数具有明确的统计意义，便于解释和分析。
  
• 
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。