具体步骤 1使用ACF和PACF：可以通过查看ACF图中的周期性峰值，找到数据中的周期性。如果ACF图在某个滞后期处出现显著的正相关峰值，并且这种模式在多个滞后周期中重复出现，这就是周期性信号的特征。而PACF则可以帮助确定延迟的直接影响。 2找周期数和周期长度：周期的时长可以通过ACF中第一个显著的峰值（排除滞后期为0时的峰值）来确定，而周期的个数则可以通过分析整个序列中的周期性重复次数来估计

ARIMA ARIMA(p，d，q)模型全称为差分自回归移动平均模型 (Autoregressive Integrated Moving Average Model,简记ARIMA). 自回归（AR），差分（I），移动平均（MA） 趋势参数： p：趋势自回归阶数。d：趋势差分阶数。q：趋势移动平均阶数。 ACF 与 PACF 自相关函数 ACF (autocorrelation fu