本文主要是介绍ARIMA算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
平稳性：要求序列的均值和方差不发生改变。
严平稳和宽平稳
严平稳：分布不随时间发生改变
宽平稳：期望和相关系数不变，未来的某一时刻的值依赖于它过去的信息。
差分法：时间序列在t和t-1时刻的差值
自回归模型（AR）:描述当前值与历史值的关系，使用历史数据对当前值进行预测。
要求： 模型必须具有平稳性，自相关性，相关系数>0.5
移动平均模型（MA）是误差项的累加，移动平均法能够消除预测中的随机波动。
自回归移动平均模型（ARMA）
ARIMA算法（p,d,q） 查分自回归移动平均模型
AR是自回归 MA 是移动平均 p是自回归项 q 是移动平均项 d 是差分次数
原理：将非平稳时间序列转化为平稳时间序列。
ARIMA 建模流程
1.序列平稳，差分法确认d.
2.ACF和PACF 确定p和q
3.ARIMA(p,d,q)
模型选择指标:AIC和BIC
模型残差检验：QQ图
这篇关于ARIMA算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
