这篇文章主要讲解了python如何实现平稳时间序列的建模，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。
创新互联建站是一家专注于
网站设计、成都网站制作与策划设计,江阳网站建设哪家好?
创新互联建站做网站,专注于网站建设10余年,网设计领域的专业建站公司;建站业务涵盖:江阳等地区。江阳做网站价格咨询:18982081108
一、平稳序列建模步骤
假如某个观察值序列通过序列预处理可以判定为平稳非白噪声序列，就可以利用ARMA模型对该序列进行建模。建模的基本步骤如下：
（1）求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值。
（2）根据样本自相关系数和偏自相关系数的性质，选择适当的ARMA（p，q）模型进行拟合。
（3）估计模型中位置参数的值。
（4）检验模型的有效性。如果模型不通过检验，转向步骤（2），重新选择模型再拟合。
（5）模型优化。如果拟合模型通过检验，仍然转向不走（2），充分考虑各种情况，建立多个拟合模型，从所有通过检验的拟合模型中选择最优模型。
（6）利用拟合模型，预测序列的将来走势。
二、代码实现
1、绘制时序图，查看数据的大概分布
trainSeting.head()
Out[36]:
date
2017-10-01 126.4
2017-10-02 82.4
2017-10-03 78.1
2017-10-04 51.1
2017-10-05 90.9
Name: sales, dtype: float64
plt.plot(trainSeting)
新闻名称：python如何实现平稳时间序列的建模-创新互联
当前路径：
http://cdkjz.cn/article/jgjgo.html
