Task03：时间序列模型
Task03：时间序列模型
时间序列分解
时间序列变化的影响：
1.长期趋势（trend）:会导致序列出现明显的长期趋势。
2.循环波动（circle）:会导致序列呈现出周期性波动。
3.季节性波动（season）：会导致序列呈现出和季节相关的稳定的周期波动。（一种特殊的波动）
4.随机波动（immediate）:纯随机、与时间无关。
SLT(Seasonal and Trend decomposition using Loess)分解
将时间序列分为三类：
1.没有趋势、也没有周期的序列（水平时间序列）
2.只有趋势、没有周期的序列（斜坡形时间序列；可分段）
3.有趋势、有周期的序列（含趋势和周期的时间序列）
可采用指数平滑预测各项
水平型时间序列；简单指数平滑
斜坡型时间序列：Holt两参数指数平滑
含趋势和周期的时间序列：Holt-winters三指数平滑
ARIMA模型
Autoregressive Integrated Moving Average model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动）。