ARIMA(p,d,q)模型经过专门设计,可对序列中的每个间隔具有一个数据点的一系列数据进行操作。如果要将不同变量的多个数据点合并到一个模型中,则可能需要诸如人工神经网络之类的东西。
如果您查看ARMA模型的公式:
您会看到一切都在X_t变量或错误项(e_t)上进行。因此,它不是为X,Y和Z设计的。
对于ANN,您可以具有任意数量的输入或输出。因此,可以将多个输入变量用于多个预测。
例如,如果您有时间序列的温度数据,则可以使用ARIMA模型对其进行建模。如果您有温度,湿度和降水量,则可以使用ANN,因为每个变量将有助于使其他变量的预测更加准确。