季节 ARIMA 模型

季节ARIMA模型是一种用于处理具有季节性变化的时间序列数据的模型。它是ARIMA模型的一种扩展，包括季节性自回归、季节性差分和季节性移动平均这些参数。具体来说，季节ARIMA模型的参数包括趋势参数和季节性参数。趋势参数包括趋势自回归阶数(p)、趋势差分阶数(d)和趋势移动平均阶数(q)。季节性参数包括季节性自回归阶数(P)、季节性差分阶数(D)、季节性移动平均阶数(Q)和单个季节期间的时间步数(m)。\[2\]

在构建季节ARIMA模型时，可以使用pmdarima库中的auto_arima()方法来自动确定模型的参数。这个方法可以帮助我们跳过观察ACF、PACF图的步骤，直接输入数据并设置auto_arima()中的参数，然后自动确定ARIMA模型的参数。通过拟合多个模型并比较AIC、BIC值以及残差分析结果，可以选择合适的模型。\[3\]

总之，季节ARIMA模型是一种用于处理具有季节性变化的时间序列数据的模型，它的参数包括趋势参数和季节性参数，可以使用pmdarima库中的auto_arima()方法来自动确定模型的参数。
#### 引用[.reference_title]
- *1* *2* *3* [[Python][pmdarima] 季节性ARIMA模型学习](https://blog.csdn.net/lam_yx/article/details/107887284)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]