SARIMA的PDQ如何确定

SARIMA模型的PDQ参数的确定通常需要经验和试验。下面是一些常见的方法：

1. 观察自相关图和偏自相关图，以确定时间序列的阶数。自相关和偏自相关图可以用python中的`plot_acf()`和`plot_pacf()`函数绘制。

2. 通过ACF和PACF图确定差分阶数。如果时间序列的自相关和偏自相关图在滞后k处急剧下降，通常可以考虑对原始序列进行k阶差分。如果需要进行季节性差分，则需要对季节性滞后k进行差分。

3. 选择SARIMA模型的滞后阶数和季节性滞后阶数。可以通过网格搜索方法，尝试不同的阶数组合，计算AIC或BIC，从中选择最佳的组合。

总的来说，SARIMA模型的PDQ参数的选择需要结合经验和试验，并根据具体情况进行选择。