時間序列定義：

時間序列是時間間隔不變的情況下收集的不同時間點數據集合，這些集合被分析（通過曲線擬合和參數估計來建立數學模型的理論和方法）用來了解長期發展趨勢及為了預測未來。

時間序列分類：

ARMA模型的全稱是自回歸 移動平均 (auto regression moving average)模型，它是目前最常用的擬合平穩序列的模型，它又可細分為三大類：

• AR模型(auto regression model)
• MA模型(moving average model)
• ARMA模型(auto regression moving average model)

ARIMA模型又稱自回歸 求和移動平均 模型，當時間序列本身不是平穩的時候，如果它的增量，即的一次差分，穩定在零點附近，可以將看成是平穩序列。在實際的問題中，所遇到的多數非平穩序列可以通過一次或多次差分后成為平穩時間序列，則可以建立模型：

實際用處：

在學校里面接觸到通常都是基于一條曲線，無論是股票曲線天氣曲線，交易數量曲線)來建立一個時間序列模型，使用一些 Time Series Decomposition，ARIMA，RNN/LSTM 等算法來建立某個時間序列預測模型來檢測這條時間序列曲線對于條曲線的監

名詞解釋

AR模型(Autoregressive model:自回歸模型)

MA模型(moving average model:滑動平均模型)

ARMA模型(Auto-Regressive and Moving Average Model:自回歸滑動平均模型)

ARIMA模型(Autoregressive Integrated Moving Average Model:自回歸積分滑動平均模型)

時間序列模型

總結

以上是生活随笔為你收集整理的时间序列模型是什么？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。