首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >时间序列灵敏度分析

问时间序列灵敏度分析
EN

Data Science用户
提问于 2023-05-16 08:15:07
回答 1查看 19关注 0票数 0

我通常对物理系统进行敏感性分析。因此,对于一个配置,我有一个答案,我可以建立一个设计的实验,并计算每个参数的灵敏度。

但这一次,我想对一个时间序列进行敏感性分析:如果我改变了一个参数,它可能会在稍后产生影响,而不是立即。我想分析长期的数据,而不仅仅是短期的数据。你知道执行这种分析的现有方法吗?

还是要把时间序列转换成“时段”,分别研究每一时段?

EN

回答 1

Data Science用户

发布于 2023-05-19 09:35:59

对时间序列数据进行敏感性分析需要一种不同的方法。一种方法是使用动态线性模型(DLMs)。DLMs可以捕捉参数随时间变化的影响,并可用于执行灵敏度分析。

另一种方法是采用时间序列模型,如自回归积分移动平均(ARIMA)或季节自回归综合移动平均(SARIMA)对数据进行分析。这些模型可用于识别参数变化对较长时间序列的影响。

否则,您还可以将时间序列拆分为较小的时间段,并分别分析每个时间段。这种方法还可以帮助确定某一特定时期内参数变化的影响。但是,重要的是要记住,这种方法可能无法捕捉时间序列行为的全貌。

票数 0
EN
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://datascience.stackexchange.com/questions/121565

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档