15分钟学会ARIMA-基于R语言

deepblueAI

于 2021-07-20 11:28:29 发布

阅读量4.1k

点赞数 1

CC 4.0 BY-SA版权

文章标签： r语言

本文链接：https://blog.youkuaiyun.com/deepblueAI/article/details/118928005

本文以R语言为例，详细介绍了如何利用ARIMA模型进行时间序列预测。通过五句代码实现建模、绘图和预测，然后探讨了这种简化的解题方法及其适用场景。此外，还强调了传统做法，包括序列平稳性检查和通过ACF、PACF图确定模型参数的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ARIMA，AR是指auto regressive，MA，是指Moving Average，中间的I是指差分。
下面介绍如何用很少的代码对序列实现预测，以《时间序列分析-基于R》第五章习题5.1为例，下面五句代码实现了建模，画图，预测的所有ARIMA功能。

library(forecast)#载入forecast包
exer5.1 <- ts(a,start = 1949)#a是铁路货运量数据，生成时间序列
plot(exer5.1)#画出折线图
fit5.1<-auto.arima(exer5.1)#执行自动ARIMA，建立模型
forecast(fit5.1,h=5)#用预测函数预测后五年的铁路货运量

自此题目已经做完。让我们进一步分析下每句语句。

1.生成时间序列

exer5.1 <- ts(a,start = 1949)#a是铁路货运量数据，生成时间序列
#生成时间序列，如下
Time Series:
Start = 1949 
End = 2008 
Frequency = 1

最低0.47元/天解锁文章