如何使用 ARIMA 预测时间序列？

数据挖掘 机器学习 时间序列 预测建模 预测 有马
2022-01-19 19:57:25 
  Time            Volume
9/30/2019          2000 
10/1/2019          1800 
10/2/2019          1600 
10/3/2019          1400 
10/4/2019          1200 
10/5/2019          1000 
10/6/2019           800 
10/7/2019           600 
10/8/2019           400 
10/9/2019          2000 
10/10/2019         1800 
10/11/2019         1600 
10/12/2019         1400
10/13/2019         1200 
10/14/2019         1000 
10/15/2019          800 
10/16/2019          600

我有这个数据集，其中包含一段时间内坦克的体积消耗。容量随着时间的推移而减少，并且在 2019 年 10 月 9 日，油箱已满载且已满。我有一年多的数据，想使用 ARIMA 根据之前的消耗预测下一次加载的时间。

1个回答

ARIMA 模型试图捕捉时间序列中的自相关以进行预测。它由三个主要模型组成：AR、MA 和 I。因此，您构建模型以基于过去值的线性组合、过去误差的线性组合和基本解释的差分项 (I) 来预测未来值趋势。您应该在此处获得更多信息：预测：原则与实践

我的问题是：你为什么认为油箱容积是由它自己过去的值来预测的？当您询问如何使用 ARIMA 时，这是直截了当的，但是，我担心您没有正确考虑您的问题。没有可以使用的外生变量吗？也许尝试不同的模型？物理的？

如果您真的想使用 ARIMA，您需要检查您的数据是否不是随机游走，绘制自相关和偏自相关函数以查看分析哪些系数更适合 AR 和 MA 项。检查平稳性。或者干脆使用autoarima虽然我不建议第一次这样做。

其它你可能感兴趣的问题
上一篇使用 Python SMOTE 重采样 下一篇如何定量评估原始神经网络激活？