sarima模型结构式

SARIMA（Seasonal Autoregressive Integrated Moving Average）模型是种用于时间序列分析和预测的统计模型。它是ARIMA模型的扩，专门用于处理具有季节性变化的时间序列数据。

SARIMA模型的结构包括四个部分：季节性自回归（SAR）、季节性差分（I）、季节性移动平均（SMA）和非季节性移动平均（MA）。

1. 季节性自回归（SAR）：表示当前观测值与过去观测值之间的关系，即当前观测值与过去同一季节观测值之间的自相关关系。
2. 季节性差分（I）：用于消除季节性变化，将原始时间序列转化为平稳时间序列。通过对观测值进行季节性差分，可以消除季节性趋势。
3. 季节性移动平均（SMA）：表示当前观测值与过去观测值之间的移动平均关系，即当前观测值与过去同一季节观测值之间的移动平均关系。
4. 非季节性移动平均（MA）：表示当前观测值与过去观测值之间的移动平均关系，用于捕捉非季节性的趋势。

SARIMA模型的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）、非季节性移动平均阶数（P）、非季节性差分阶数（D）和非季节性移动平均阶数（Q）。