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
- NC65的uap licenseserver安装包
- 基于深度学习的软件源码漏洞预测综述
- 全国矢量地图大全-shp
- java实现最小生成树动态显示
- 全国行政区域身份证代码表(EXCEL版).xls
- 南京矢量边界
- 大华最新_(20190312)_Android和iOS播放和网络SDK
- 旋元佑进阶语法_简体
- GMT 0033-2014 时间戳接口规范
- ChartDirector6.0破解版
- 封装好的jsonp.js
- github-slideshow：由机器人提供动力的培训资料库-源码
- esnext：Projeto desenvolvido no Web Moderno-Cod3r-源码
- springcloudalibaba-seata-nacos-sentinel.zip
- MySQL Group Replication官方文档-MGR中文版
- BIM X3650 m3 阵列卡驱动
- pip-9.0.1.tar
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