matlab中SARIMA模型建立时参数的判断

在建立SARIMA模型时，需要选择ARIMA模型的p、d、q参数和季节性差分的P、D、Q参数。下面是一些常见的参数选择方法：

1. 自相关函数（ACF）和偏自相关函数（PACF）图：通过观察ACF和PACF图，可以初步判断出AR和MA的阶数。

2. 网格搜索法：通过遍历多组参数组合，选择最优参数组合。这种方法比较耗时，但可以得到较为准确的结果。

3. 自动化选择：有些软件例如MATLAB中的auto.arima函数可以自动选择最优的p、d、q和P、D、Q参数。但需要注意的是，这种方法可能会忽略一些特殊情况，需要进行手动调整。

4. 经验公式：可以使用Box-Jenkins方法提出的一些经验公式，例如对于非季节性差分的ARIMA模型，可以使用 Akaike information criterion (AIC) 函数来选择最优的p、d、q值，对于季节性差分的SARIMA模型，可以使用 Seasonal Akaike information criterion (SIC) 函数来选择最优的P、D、Q值。

需要注意的是，选择参数时应该根据实际情况进行调整，比如观察数据的周期性、趋势性、季节性等。