季节性阿里玛？

Question

非常喜欢在Orange数据挖掘中探索数据！

我有几年来的日平均气温数据。我可以画出周期图，然后进行季节性分解。有没有办法用SARIMA来预测温度？我尝试使用移动平均阶(q) = 70 (最大可能)的ARIMA。它还在旋转。在查看年度数据时，不应该将其设置为365吗？

感谢你能分享一些建议--干杯！

Answer 1

通常不建议将移动平均阶数(q)设置为非常高的值，如70。这是因为较大的Q值会使模型变得非常复杂，并可能导致过度拟合。此外，它可能导致模型需要很长的时间来适应或不能收敛。

在处理季节性时间序列数据时，使用季节ARIMA (SARIMA)模型通常比使用标准ARIMA模型更合适。SARIMA模型是专为具有季节性模式的时间序列数据而设计的。

要确定SARIMA模型的适当参数，可以使用时间序列数据的可视化检查、自相关和部分自相关图以及模型选择标准(如AIC或BIC )。

在设定年度数据的移动平均序(q)方面，这将取决于数据的季节性。如果数据呈现年度季节性(即每年发生一次的重复模式)，则通常会将季节性移动平均顺序(Q)设置为1，将季节性周期(m)设置为12。但是，如果数据中没有明显的季节性，则可能根本不需要使用SARIMA模型。