基于ARMA模型的时间序列（客流等等）预测

  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。