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
- 智能知识库40原型
- 四维数据matlab空间建模scatter和slice
- 股票预测（LSTM）
- 游戏pkg文件解包工具(帶源碼)
- WeChatSetup_3.1.0.72.exe
- xilinx ise 14.7 license
- 《NS与网络模拟》 pdf版本
- 华为数通方向HCIP全套图文学习笔记.docx
- 电磁兼容导论（第二版）
- 操作系统原理期末试卷（9套卷含答案）
- MATLAB贝叶斯网络工具箱FullBNT-1.0.7
- VC++ MFC 串口通信20个经典源码合集
- 键入脚本：Códigosutilizando alíngua，Tope脚本-源码
- 泡沫镍孔尺度辐射传递加速模拟研究
- cam350 9.5破解文件
- Analog Design Environment Training Manual
- GenericSDK 5.6.6 Introduction.pdf
- ZK指纹考勤机Java接口
- Multiple view geometry 讲稿PPT很好需要好好看
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