有什么好的模型可以做高精度的时间序列预测呢？ Github：https：// github.com/facebook/pro phet官方网址：https：// facebook.github.io/prop het/论文名字与网址：Forecasting at scale，https：// peerj.com/preprints/319 0/ 。
时间序列数据回归必须要做平稳性检验吗
对于时间序列模型需要做哪些检验 作图、拟合。根据动态数据作相关图，进行相关分析，求自相关函数。相关图能显示出变化的趋势和周期，并能发现跳点和拐点。如果跳点是正确的观测值，在建模时应考虑进去，如果是反常现象，则应把跳点调整到期望值。辨识合适的随机模型，进行曲线拟合，用通用随机模型去拟合时间序列的观测数据。对于短的或简单的时间序列，可用趋势模型和季节模型加上误差来进行拟合。对于平稳时间序列，可用通用ARIMA模型及其特殊情况的自回归模型、滑动平均模型或组合-ARIMA模型等来进行拟合。扩展资料：时间序列模型作用及影响：1、根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。用ARMA模型拟合时间序列，预测该时间序列未来值。2、当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。3、提供给用户一套较完整的时间序列建模分析、进行预测预报的工具，包括平稳无趋势时间序列分析预测、有趋势的时间序列预测、具季节性周期的时间序列预测以及差分自回归滑动平均(ARIMA)建模分析。参考资料来源：-时间序列模型
以下哪个时间序列模型不属于平稳时间序列模型 主成份分析是为了提前众多指标中有典型代表性的几个主要成分，其中主成分的一种计算得分方法是用回归方法 ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视。
时间序列建模问题，如何准确的建立时间序列模型？ 新手请教时间序序列建模问题。这种带趋势的序列是否说明序列是非平稳的？一阶差分之后的数据如图2：ACF…
