Python - 如何检查时间序列的平稳性？

Question

我在高速公路上有车速数据集。以15分钟的步骤收集观察结果，这意味着我每天有96次观察，每周有672次观察。 我有一整个月的数据集（2976个观察结果）

我的目标是使用自回归 AR（p）模型预测未来值。

这是我这个月的数据重新分配。

此外，这里是自相关图（ACF）

上面两幅图的可视化导致想到一个季节性因素，因此，一个非常规的时间序列，对我来说毫无疑问。

然而，为了确保非平稳性，我在其上应用了Dickey-Fuller测试。结果如下。

Results of Dickey-Fuller Test:
Test Statistic                -1.666334e+01
p-value                        1.567300e-29
#Lags Used                     3.000000e+00
Number of Observations Used    2.972000e+03
Critical Value (5%)           -2.862513e+00
Critical Value (1%)           -3.432552e+00
Critical Value (10%)          -2.567288e+00
dtype: float64

结果清楚地表明，测试统计量的绝对值大于临界值，因此，我们拒绝零假设，这意味着我们有一个固定的序列！

因此，我对我的时间序列的季节性和平稳性感到非常困惑。 任何有关这方面的帮助将不胜感激。

非常感谢

Answer 1

实际上，平稳性和季节性不是有争议的品质。 Stationarity表示序列矩的不变性（无变化）（例如mean，variance代表弱平稳性），而seasonality是序列矩的周期成分，可以用过滤器提取。

季节性和周期性模式并不完全相同，但是非常接近。您可以认为，所显示图像中的该系列可能具有正弦和余弦之和，并且在每周（或每月，每年……）周期中重复出现。该序列的平均值在整个周期内似乎是恒定的，甚至是方差，这与事实没有任何关联。