时序分析
简介
时序分析是一种用于处理时间序列数据和趋势分析的统计技术。时间序列数据遵循周期性时间间隔，按固定的时间间隔测量或在特定的 时间间隔中收集。换句话说，时间序列就是按时间排序的一系列数据点，而时序分析就是理解这些数据的过程。
时序分析是以分析时间序列的发展过程、方向和趋势，预测将来时域可能达到的目标的方法。此方法运用概率统计中时间序列分析原理和技术，利用时序系统的数据相关性，建立相应的数学模型，描述系统的时序状态，以预测未来。
算法参数及说明
| 参数 | 说明 |
|---|---|
| 自回归 | p, 正整数，默认1 |
| 差分阶数 | d，正整数，默认0 |
| 移动平均值 | q，正整数，默认0 |
| 预测期数 | forecasts，正整数，默认3 |
| 置信区间 | conf，1-99正整数，默认95 |
案例
案例数据下载：airpassengers.xlsx
案例介绍：AirPassengers数据集是由Box和Jenkins在1976年的书籍《Time Series Analysis: Forecasting and Control》中引入的。数据集中每个数据点表示一个月份的国际航空旅客数量，从1949年1月到1960年12月共计12年的数据，一共有144个数据点。该数据集通常被用于时间序列分析和预测模型的训练和测试，因为它具有明显的季节性和逐年增长的趋势。此外，该数据集还被广泛用于研究时间序列分析中的各种技术和算法，如ARIMA、指数平滑等。
- Month 月份;
- Air Passengers 国际航空旅客数量;
制作流程：
- 选择airpassengers数据集；
- 在智能分析图表中选择时序分析；
- 设置目标属性，即用时序分析预测的属性
- 设置特征属性，该属性是日期或时间相关的类型
- 设置参数，详情见参数说明
- 查看预测结果