python 时间序列预测 —— SARIMA
SARIMA(p,d,q)(P,D,Q,s) 季节性自回归移动平均模型，结构参数有七个
AR(p) 自回归模型，即用自己回归自己。基本假设是，当前序列值取决于序列的历史值。p 表示用多少个历史值来回归出预测值。
要确定初始 p，需要查看PACF图并找到最大的显著时滞，在 p 之后其它时滞都不显著。
MA(q) 移动平均模型，是对时间序列的误差进行建模，并假设当前误差取决于带有滞后的误差。可以在ACF图上找到初始值。
结合以上两种方法：AR(p)+MA(q)=ARMA(p,q)AR(p)+MA(q)=ARMA(p,q)AR(p)+MA(q)=ARMA(p,q)，就是自回归移动平均模型
剩下的参数
文件下载
评论信息
-
-
-
weixin_41442677 :什么都没有2022-01-01 -
其他资源
- lena等37张经典灰度图
- 128X32点阵屏全部资料(原理图+程序)
- 基于MRAS_滑模观测_动态转速估计器三种无速度传感器电机控制算法研究.pdf
- 机器人学 蔡自兴
- Python 球面墨卡托投影和地体坐标大批量转换
- WS364\WS365\WS445数据元标准文件
- C#快速FFT，傅里叶变换，频谱图计算
- protues仿真 数字时钟的课程设计
- SH7218T 系统恢复包
- 基于zigbee烟雾监测系统工程文件
- jsp+javabean+servlet实现登录注册以及留言板
- 数字控制徐丽娜第二版
- 汉王科技面部识别终端脱机通讯开发指南V2.3.pdf
- RSA前台公钥加密后台私钥解密
- 2008-2020湖南行测.pdf
- I wanna be the guy
- 【ssm项目源码】学生信息管理系统.zip
- ReactNative app开发教程.zip_zip解压器下载安卓版
- infomatica
- rabbitmq-server-generic-unix-3.8.2.tar.xz
- 通信系统英文版第四版答案
- 基于乘积量化的快速特征匹配
- 0-1背包问题——动态规划
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明