使用 InfluxDB 的基础设施监控 | 现场演示
ARIMA
自回归积分滑动平均 (ARIMA) 模型是一种广泛使用的时间序列预测技术。
什么是 ARIMA？
自回归积分滑动平均 (ARIMA) 模型是一种广泛使用的时间序列预测技术。自回归模型使用来自先前时间步长的数据的线性组合来预测未来值，而滑动平均模型使用过去预测误差的线性组合。ARIMA 模型结合了这两种方法。它们也是“积分”的，这意味着它们使用数据点之间的差异而不是数据点本身，以便消除趋势，例如随时间变化的滑动平均值。
ARIMA 模型背后的统计数据要求时间序列是规则且平稳的，这就是需要消除趋势的原因。您可以使用季节性差分来消除时间序列中的季节性成分，或使用包含季节性的更复杂的模型。ARIMA 模型的置信区间假设残差呈正态分布且不相关，并且在使用这些模型时检查这一点非常重要。ARIMA 模型专为以规则时间步长收集的度量数据而设计，并且可以成为对财务数据进行建模的有用工具。有多种语言（包括 Python、R 和 JavaScript）的工具和软件包可用于创建 ARIMA 模型。
