本文主要是介绍基于ARMA模型的时间序列(客流等等)预测,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!
本文主要分享自己的学习成果,内容并不完善,还有待提高,具体代码咨询vx:15660876350,成果可用于参考打比赛和写论文,最后本文采用的是jupyter notebook 6.4.5版本和该服务运行中使用的 Python 版本为:Python 3.9.7 (default, Sep 16 2021, 16:59:28) [MSC v.1916 64 bit (AMD64)]。内容包括数据预处理和模型预测两部分,可以帮忙仿真实现,内容真实可靠。
数据分析:将数据转化成一些图以便于理解,例如表格图、折线图、柱状图和更具体的折线图:
数据处理(数据降维):本文选取的数据处理是基本的数据处理。比如删除一些字段如图所示:
缺失值的检测与补全并热力图可视化:
异常值的检测与处理:3检测、箱型图检测和基于距离的局部离群因子方法来检测异常值
ARMA模型的构建如下图的步骤:
ADF平稳性检测:
白噪声检验:
数据折线图:
模型定阶:可以通过ACF和PACF图得出,也可以通过BIC和AIC直接得出:
残差白噪声检验:符合正态分布
预测平稳化后的序列:
实际效果:
预测评价指标:可以看出拟合效果还不错。
这篇关于基于ARMA模型的时间序列(客流等等)预测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!