时间序列
将预测对象按照时间顺序排列起来，构成一个所谓的时间序列，从所构成的这一组时间序列过去的变化规律，推断今后变化的可能性及变化趋势，变化规律，就是时间序列预测法。时间序列模型其实也是一种回归模型，其基于的原理是：一方面承认事物发展的连续性，运用过去时间序列的数据进行统计分析就能推测事物的发展规律；另一方面又充分考虑到偶然因素影响产生的随机性，为了消除随机波动的影响，利用历史数据，进行统计分析。
确定性时间序列分析方法
时间序列预测技术就是通过对预测目标自身时间序列的处理，来研究其变化趋势，一个时间序列往往是以下几类变化形式的叠加或耦合。
1、长期趋势变化。
2、季节变动。
3、循环变动。
4、不规则变动。
通常用 \(T_t\) 表示长期趋势项，\(S_t\) 表示季节变动趋势项，\(C_t\) 表示循环趋势变动项，\(R_t\) 表示随机干扰项。常见的确定性时间序列模型有以下几种类型。
(1) 加法模型：
\[y_t=T_t+S_t+C_t+R_t \](2) 乘法模型：
\[y_t=T_t\cdot S_t\cdot C_t\cdot R_t \](3) 混合模型
均值 \(E(R_t)=0\)，方差\(Var(R_t)=\sigma ^2\)
如果在预测时间范围内，无突然变动且随机变动的方差 \(\sigma^2\) 较小，并且有理由认为过去和现在的演变趋势将继续发展到未来，可以用一些经验方法进行预测。
移动平均法
指数平滑法
具有季节性特点的时间序列的预测
平稳时间序列模型
这里的平稳是指宽平稳，其特性是序列的统计特性不随时间的平移而变化，即均值和协方差不随时间的平移而变化。
标签：变动,预测,cdot,模型,时间,序列 来源： https://www.cnblogs.com/ancode/p/14331726.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。