利用农产品价格时间序列的当前值和过去值准确预报未来值，将有利于正确引导农产品流通和农业生产，实现农产品区域供求平衡，并为政府和农户提供结构调整的依据。针对农产品价格这一重要问题，以白菜月价格数据为例，构建非平稳时间序列ARIMA（p，d，q）模型并预测白菜未来的月价格。结果表明ARIMA（0，1，1）模型能很好地模拟并预测白菜月价格趋势，为农产品市场信息的准确预测提供重要方法。

基于AR、MA、ARIMA模型的自回归移动平均销售预测算法，纯JAVA开发，亲测可运行可进行计算，可使用与各种预测场景。

解决时间序列问题，代码中参数的设定自己摸索吧

R 语言环境下用ARIMA模型做时间序列预测，内有详细说明

用MATLAB实现ARIMA模型实现某些变量对时间序列的预测

此压缩包中包括2018年华为软赛初赛练习数据，数据预处理及应用MATLAB自带的ARIMA函数进行算法可行性验证。

ARIMA模型-matlab代码，可以根据自己的实际情况进行参数调节，实现所需要的效果。

ARIMA 预测模型 训练集和预测集 ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-series Approach）预测方法 [1] ，所以又称为Box-Jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型，是指将非平稳时间序列转化为平

ARMA、ARIMA、AR、MA均是时间序列的重要方法。此例程中包含了以上所有的实现过程，java实现的，且含有main函数供自行调试，已亲测可用！