ARIMA趋势订单

Question

我正在尝试拟合ARIMA模型。我有3个月的数据，每分钟显示count(float)。 arima.fit()我应该通过哪个顺序？ 我需要预测每一分钟。

Answer 1

基本的ARIMA（p，d，q）模型无法处理您的数据。

您的数据违反了ARIMA的假设，其中之一是参数必须随时间保持一致。
我看到5个峰值的簇，所以我假设您有5个繁忙的工作日和安静的周末。基本ARIMA不会知道工作日和周末之间的区别，因此它可能不会给您带来有用的结果。

存在诸如SARIMA（季节性自回归综合移动平均线）之类的东西。如果您要处理每日数据点，但对真正的分钟数据也不适合，那么这将很有用。

我建议您尝试过滤数据，以便排除晚上和周末。然后，您可能正在处理具有一致参数的数据集。如果您使用的是python，则可以尝试对过滤的时间序列数据使用pyramid的auto_arima（）函数，以使其尝试自动查找最佳参数p，d，q。

对于这种类型的分析，它还会执行很多统计测试。实际上，我并不总是同意auto_arima的参数选择，但这只是一个开始。

model = pyramid.arima.auto_arima(s)
print(model.summary())

http://pyramid-arima.readthedocs.io/en/latest/_submodules/arima.html

Answer 2

1）您的数据是否还适合盒子-Jenkins模型（ARIMA）？

2）我最终看到了更高的均值。数据中有明显的季节性。 ARIMA将失败。请尝试基于季节性的模型-尝试严格建议的SARIMA，Prophet是Facebook针对季节性的另一个漂亮算法。 -（R实作）
https://machinelearningstories.blogspot.com/2017/05/facebooks-phophet-model-for-forecasting.html

3）不仅依赖ARIMA。尝试其他时间序列算法，例如STL，BTS，TBATS。 （结构时间序列）和混合动力等。请问您是否需要R中的某些包装信息？