Arima 值中的 P、q、d 值

Question

我有每小时数据以及何时绘制 ACF 和 PCF。我能看到的数据很大程度上取决于 24 小时前的值。这意味着今天晚上 7 点的高亮值取决于最后几天晚上 7 点的值。所以我不是 p,q 值应该是多少。这是固定数据集

fig = plt.figure(figsize=(12,8))
ax1 = fig.add_subplot(211)
fig = sm.graphics.tsa.plot_acf(data2['Count'],lags=80,ax=ax1)
ax2 = fig.add_subplot(212)
fig = sm.graphics.tsa.plot_pacf(data2['Count'],lags=80,ax=ax2)

Answer 1

当您创建非季节性（或“正常”）ARIMA 模型时，您有一个时间序列并对时间序列的滞后执行自回归和移动平均模型。如果您有季节性数据，则应使用季节性 ARIMA，例如来自 statsmodels 的 SARIMAX。它基本上创建了一个仅包含前几季特定滞后的“衍生”时间序列。因此，例如，如果您尝试预测晚上 7 点的值，它会在晚上 7 点创建所有观测值的时间序列。我在这里写了一个更具体的解释：

然后您在数据上创建 SARIMAX 模型。您有两组参数，order=(p, d, q) 用于“正常”、非季节性部分。您有一组附加参数 seasonal_order=(P, D, Q, m)。 m 是一个季节的长度，所以 24。P、D 和 Q 用于在导数、季节时间序列上创建 ARIMA 模型。

https://www.statsmodels.org/dev/generated/statsmodels.tsa.statespace.sarimax.SARIMAX.html

Arima 值中的 P、q、d 值

P,q,d values in arima values

data-science

arima