概述
时序预测 | MATLAB实现ARMA和ARIMA时间序列预测
目录
-
- 时序预测 | MATLAB实现ARMA和ARIMA时间序列预测
-
- 基本介绍
- 程序设计
-
- ARMA模型
- ARIMA模型
- 参考资料
基本介绍
ARMA称为自回归移动平均模型（Auto Regressive and Moving Average model）；ARIMA模型称为差分自回归移动平均模型。ARMA用于分析平稳时间序列，ARIMA通过差分可以用于处理非平稳时间序列。一般具有长期趋势的时间序列都是非平稳时间序列。根据趋势的不同，可以使用差分将具有长期趋势的时间序列转换成平稳时间序列。
- 自回归移动平均模型由两部分组成：自回归部分和移动平均部分，因此包含两个阶数，可以表示为ARMA(p,q)，p是自回归阶数，q为移动平均阶数。
- 当时间序列存在上升或下降趋势时，这些模型的分析效果就大打折扣了，这时差分自回归移动平均模型也就应运而生。ARIMA模型能够用于齐次非平稳时间序列的分析，这里的齐次指的是原本不平稳的时间序列经过d次差分后成为平稳时间序列。
最后
以上就是贤惠流沙为你收集整理的时序预测 | MATLAB实现ARMA和ARIMA时间序列预测的全部内容，希望文章能够帮你解决时序预测 | MATLAB实现ARMA和ARIMA时间序列预测所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复