导图社区 时间序列数据分析用什么模型
这是一个关于时间序列数据分析用什么模型的思维导图,讲述了时间序列数据分析用什么模型的相关故事,如果你对时间序列数据分析用什么模型的故事感兴趣,欢迎对该思维导图收藏和点赞~
编辑于2022-10-06 12:59:55时间序列数据分析用什么模型
ARIMA模型
AR模型
AR(p)模型,其中p是自回归阶数,表示当前值与前p个值的线性关系
AR(1)模型,即一阶自回归模型,当前值与前一个值有线性关系
AR(2)模型,即二阶自回归模型,当前值与前两个值有线性关系
AR(p)模型的预测仅依赖于历史观测值
通过自相关函数ACF图和偏自相关函数PACF图来确定自回归阶数
MA模型
MA(q)模型,其中q是移动平均阶数,表示当前值与前q个滞后误差的线性关系
MA(1)模型,即一阶移动平均模型,当前值与前一个滞后误差有线性关系
MA(2)模型,即二阶移动平均模型,当前值与前两个滞后误差有线性关系
MA(q)模型的预测仅依赖于历史误差项
通过自相关函数ACF图和偏自相关函数PACF图来确定移动平均阶数
ARMA模型
ARMA(p,q)模型,同时考虑自回归和移动平均的线性关系
通过自相关函数ACF图和偏自相关函数PACF图来确定自回归阶数和移动平均阶数
ARIMA模型
ARIMA(p,d,q)模型,将差分后的时间序列转化为平稳序列,然后应用ARMA模型
p是自回归阶数,d是差分阶数,q是移动平均阶数
SARIMA模型
季节性时间序列数据中,考虑季节性的ARIMA模型
SARIMA(p,d,q)(P,D,Q)s模型,其中p是自回归阶数,d是差分阶数,q是移动平均阶数,P是季节性自回归阶数,D是季节性差分阶数,Q是季节性移动平均阶数,s是季节周期
通过自相关函数ACF图和偏自相关函数PACF图来确定模型的阶数和季节周期
VAR模型
向量自回归模型,用于同时分析多个时间序列变量之间的相互关系
VAR(p)模型,其中p是自回归阶数
VAR(1)模型,即一阶向量自回归模型,当前值与前一个值的线性关系
VAR(p)模型的预测仅依赖于历史观测值
通过向量自相关函数ACF图和偏自相关函数PACF图来确定自回归阶数
LSTM模型
长短期记忆神经网络模型,适用于处理具有长期依赖关系的时间序列数据
LSTM模型通过门控单元来控制信息流动,能够记忆和遗忘历史信息
LSTM模型的输入可以是多个时间步长的观测值,输出为未来的预测值
Prophet模型
Facebook开源的时间序列预测模型,适用于处理具有季节性、趋势和节假日等复杂特征的时间序列数据
Prophet模型基于加法模型,包括趋势模型、季节性模型和节假日模型
Prophet模型通过拟合历史数据来生成未来的预测值