脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → python arima模型

Python时间序列处理之ARIMA模型的使用讲解

 更新时间：2019年04月02日 17:11:04   作者：Reclusiveman  
今天小编就为大家分享一篇关于Python时间序列处理之ARIMA模型的使用讲解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧

ARIMA模型

ARIMA模型的全称是自回归移动平均模型，是用来预测时间序列的一种常用的统计模型，一般记作ARIMA(p,d,q)。

ARIMA的适应情况

ARIMA模型相对来说比较简单易用。在应用ARIMA模型时，要保证以下几点：

  • 时间序列数据是相对稳定的，总体基本不存在一定的上升或者下降趋势，如果不稳定可以通过差分的方式来使其变稳定。
  • 非线性关系处理不好，只能处理线性关系

判断时序数据稳定

基本判断方法：稳定的数据，总体上是没有上升和下降的趋势的，是没有周期性的，方差趋向于一个稳定的值。

ARIMA数学表达

ARIMA(p,d,q)，其中p是数据本身的滞后数，是AR模型即自回归模型中的参数。d是时间序列数据需要几次差分才能得到稳定的数据。q是预测误差的滞后数，是MA模型即滑动平均模型中的参数。

a) p参数与AR模型

AR模型描述的是当前值与历史值之间的关系，滞后p阶的AR模型可以表示为：

其中u是常数，et代表误差。

b) q参数与MA模型

MA模型描述的是当前值与自回归部分的误差累计的关系，滞后q阶的MA模型可以表示为：

其中u是常数，et代表误差。

c) d参数与差分

一阶差分：

二阶差分：

d) ARIMA = AR+MA

ARIMA模型使用步骤

  • 获取时间序列数据
  • 观测数据是否为平稳的，否则进行差分，化为平稳的时序数据,确定d
  • 通过观察自相关系数ACF与偏自相关系数PACF确定q和p

  • 得到p，d，q后使用ARIMA(p,d,q)进行训练预测

Python调用ARIMA

#差分处理
diff_series = diff_series.diff(1)#一阶
diff_series2 = diff_series.diff(1)#二阶
#ACF与PACF
#从scipy导入包
from scipy import stats
import statsmodels.api as sm
#画出acf和pacf
sm.graphics.tsa.plot_acf(diff_series)
sm.graphics.tsa.plot_pacf(diff_series)
#arima模型
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(train_data,order=(p,d,q),freq='')#freq是频率,根据数据填写
arima = model.fit()#训练
print(arima)
pred = arima.predict(start='',end='')#预测

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接

您可能感兴趣的文章:

相关文章

  • Python中实现字符串类型与字典类型相互转换的方法

    Python中实现字符串类型与字典类型相互转换的方法

    这篇文章主要介绍了Python中实现字符串类型与字典类型相互转换的方法,非常实用,需要的朋友可以参考下
    2014-08-08
  • Python实现数据结构线性链表（单链表）算法示例

    Python实现数据结构线性链表（单链表）算法示例

    这篇文章主要介绍了Python实现数据结构线性链表（单链表）算法,结合实例形式分析了Python单链表的定义、节点插入、删除、打印等相关操作技巧,需要的朋友可以参考下
    2019-05-05
  • Python 的可变和不可变对象详情

    Python 的可变和不可变对象详情

    本文通过详情描述Python 中的可变对象与不可变对象来看两者的区别，刚兴趣的朋友可以参考下文
    2021-08-08
  • python正则表达式匹配[]中间为任意字符的实例

    python正则表达式匹配[]中间为任意字符的实例

    今天小编就为大家分享一篇python正则表达式匹配[]中间为任意字符的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-12-12
  • python list与numpy数组效率对比

    python list与numpy数组效率对比

    这篇文章主要介绍了python list与numpy数组效率对比分析，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
    2023-02-02
  • python自定义函数def的应用详解

    python自定义函数def的应用详解

    这篇文章主要介绍了python自定义函数def的应用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-06-06
  • python使用numpy按一定格式读取bin文件的实现

    python使用numpy按一定格式读取bin文件的实现

    这篇文章主要介绍了python使用numpy按一定格式读取bin文件的实现方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
    2023-05-05
  • Opencv求取连通区域重心实例

    Opencv求取连通区域重心实例

    这篇文章主要介绍了Opencv求取连通区域重心实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • Mac中Python 3环境下安装scrapy的方法教程

    Mac中Python 3环境下安装scrapy的方法教程

    作为一名python爬虫爱好者,怎能不折腾下Scrapy？折腾了许久之后终于安装到了mac中，所以下面这篇文章主要给大家介绍了关于Mac系统中Python 3环境下安装scrapy的相关资料，文中将实现的步骤一步步介绍的非常详细，需要的朋友可以参考下。
    2017-10-10
  • Python使用装饰器进行django开发实例代码

    Python使用装饰器进行django开发实例代码

    这篇文章主要介绍了Python使用装饰器进行django开发实例代码，分享了相关代码示例，小编觉得还是挺不错的，具有一定借鉴价值，需要的朋友可以参考下
    2018-02-02

最新评论