数学建模之时间序列分析
时间序列也称动态序列,是指将某种现象的指标数值按照时间顺序排列而成的数值序列。时间序列分析大致可分成三大部分,分别是 描述过去、 分析规律和 预测未来,本讲将主要介绍时间序列分析中常用的三种模型: 季节分解、 指数平滑方法和 ARIMA模型
一、时间序列的基本概念
时期序列可加,时点序列不可加
时期序列中的观测值反映现象在一段时期内发展过程的总量,不同时期的观测值可以相加,相加结果表明现象在更长一段时间内的活动总量; 而时点序列中的观测值反映现象在某一瞬间上所达到的水平,不同时期的观测值不能相加,相加结果没有实际意义
二、时间序列分解
因为时间序列是某个指标数值长期变化的数值表现,所以时间序列数值变化背后必然蕴含着数值变换的规律性,这些规律性就是时间序列分析的切入点
1.长期趋势:T
2.季节趋势:S
3.循环变动:C
4.不规则变动:I
以上四种变动就是时间序列数值变化的分解结果。有时这些变动会同时出现在一个时间序列里面,有时也可能只出现一种或几种,这是由引起各种变动的影响因素决定的。正是由于变动组合的不确定性,时间序列的数值变化才那么千变万化。
四种变动与指标数值最终变动的关系可能是叠加关系,也可能是乘积关系
三、叠加模型和乘积模型
四、缺失值替换
序列平均值——用整个序列的平均数代替缺失值
临近点的平均值——用相邻若干个点的平均数来替换缺失值(默认为两个点)
临近点的中位数——用相邻若干个点的中位数来替换缺失值(默认为两个点)
线性插值——用相邻两个点的平均数来替换缺失值
邻近点的线性趋势——将时期数作为x,时间序列值作为y进行回归,求缺失点的预测值
我要给大佬当分母: 链接:https://pan.baidu.com/s/1h0bWe_1zByfhACo5lJcvtg 提取码:47n2 --来自百度网盘超级会员V2的分享 自取
我要给大佬当分母: 看私信
我要给大佬当分母: 看私信
にしのみやけつげん: 总结的真到位
OvO_______: 我爱你呜呜呜大家注意实现接口 implements Initializable