ARIMA可能并没有想象中那么简单！ARIMA能够进行长期预测，它的预测原理是怎样的呢？ - 知乎,Business Directories,Company Directories

companydirectorylist.com Global Business Directories and Company Directories

Country Lists

USA Company Directories

Canada Business Lists

Australia Business Directories

France Company Lists

Italy Company Lists

Spain Company Directories

Switzerland Business Lists

Austria Company Directories

Belgium Business Directories

Hong Kong Company Lists

China Business Lists

Taiwan Company Lists

United Arab Emirates Company Directories

Industry Catalogs

USA Industry Directories

English Français Deutsch Español 日本語 한국의 繁體简体 Português Italiano Русский हिन्दी ไทย Indonesia Filipino Nederlands Dansk Svenska Norsk Ελληνικά Polska Türkçe العربية

如何通俗易懂地解释｛ARIMA模型｝？ - 知乎
2 ARIMA模型简介那么ARIMA模型到底是什么？ ARIMA是一类模型，可以根据自身的过去值（即自身的滞后和滞后的预测误差）“解释”给定的时间序列，因此可以使用方程式预测未来价值。
ARIMA可能并没有想象中那么简单！ARIMA能够进行长期预测，它的预测原理是怎样的呢？ - 知乎
ARIMA可能并没有想象中那么简单！ ARIMA能进行长期预测（如图1），预测时间长度可以任意长，可以远远超出测试集的长度。按正常的想法是进行迭代预测… 显示全部
用R算出arima模型，为什么预测未来的时间序列是一条直线？
我们将ARIMA模型拟合到整个Shampoo Sales数据集，并检查残差。首先，我们拟合ARIMA（5,1,0）模型。这会将自回归的滞后值设置为5，使用1的差分阶数使时间序列平稳，并使用0的移动平均模型。拟合模型时，会提供许多有关线性回归模型拟合的调试信息。
ARIMA模型怎么根据拖尾和截尾来判断p，q？ - 知乎
对任意时间序列，当ACF图像和PACF图像都呈现不呈现拖尾状态时，无论图像是否截尾，时间序列都适用于ARIMA模型，且此时ACF和PACF图像无法帮助我们确定p和q的具体值，但能确认p和q一定都不为0。
请问为什么用ARIMA模型做预测结果为一条直线；用什么来衡量时间序列模型预测的好坏？用的R语言 - 知乎
ARIMA模型是线性预测模型，都是直线。如果需要预测时间序列等周期性、季节性数据，需要先就行数据分解，预测其中的趋势部分，再将季节部分加进去。我是这样做的，最近在做毕业论文，也在研究中，我用的Python。
三阶差分才平稳的序列还能继续用ARIMA模型预测吗? - 知乎
在使用ARIMA模型进行预测之前，建议尝试其他方法检查序列是否具有周期性或季节性成分，如季节性分解时间序列（STL）或季节调整指数（X-13ARIMA-SEATS等）。这些方法可以在数据预处理阶段消除时间序列中的季节性成分，从而使序列更容易被ARIMA模型捕捉。
arima模型与神经网络如何结合？ - 知乎
单一 ARIMA模型具有较强的预测性能，但在长期非线性变化预测中表现较差； BP神经网络根据误差反向更新模型权重，可以深度挖掘序列的长期非线性变化趋势。故可以采用一种ARIMA-BP组合模型，利用BP神经网络完成初步预测并拟合出原始序列的残差序列，再采用ARIMA模型进行残差预测，将两者预测
尝试ARIMA模型预测的时候遇到的报错，对时间序列不是很熟悉，想问是哪里出了问题，应该怎么修改？ - 知乎
尝试ARIMA模型预测的时候遇到的报错，对时间序列不是很熟悉，想问是哪里出了问题，应该怎么修改？程序使用python写的，用的是statsmodels tsa arima_model这个包，报错如下： ValueError:The compute… 显示全部关注者 9