接上文，本文介绍自相关模型（ARIMA）实现单变量多步输出时间序列预测任务。
自相关模型非常简单，能够实现快速、有效地对用电量进行一步或多步预测。本文主要内容如下：
如何创建和分析单变量时间序列数据的自相关图和部分自相关图；
如何使用自相关图的结果来配置一个自回归模型；
如何开发和评估一个自相关模型实现一周用电量预测；
文章目录如何建立多步用电量预测ARIMA模型1. 自回归分析（Autocorrelation Analysis）2. 建立自回归模型3. 完整代码
如何建立多步用电量预测ARIMA模型
关于数据处理部分，请参考前一篇文章，本文会用到上文处理好的数据。
1. 自回归分析（Au
2021-08-17 15:33:43
398KB
1
时间序列，模型、预测。以ARMA (1, 1) 模型为例具体介绍点预测方法；以MA (1) 模型为例具体介绍区间预测方法；用EViews进行预测
2021-05-28 20:28:37
1.78MB
1
风能预测时间序列分析：实施了不同的时间序列模型来预测风能的产生。 风力发电考虑的因素是空气密度，风速，温度。 实施的模型：线性回归，多项式回归，Holt Winters，ARIMA
2021-04-04 20:24:43
21.47MB
1