【文件属性】：
文件名称：时间序列模型 ARIMA 和 ETS 的研究-研究论文
文件大小：398KB
文件格式：PDF
更新时间：2021-06-09 14:27:27
ARIMA (Autoregressive Integrated Moving
该研究的目的是介绍一些可能有助于改善数据每日温度的方法。 天气是一种自然现象，在今天，预测是一个巨大的挑战。 降雨量、相对湿度、风速、气温等天气参数是高度非线性和复杂的现象，其中包括对其正确预测的数学模拟和建模。 天气预报用于简化用于特定地点大气状态的知识和工具的目的。 由于天气条件的变化，预测变得更加复杂。 有不同的软件和类型可用于时间序列预测。 我们的目标是分析参数并比较预测这些温度的一些策略。 这里我们倾向于使用自回归综合移动平均 (ARIMA) 和指数平滑 (ETS) 策略分析给定参数的数据并注意几个时期的预测。 ggplot2、预测、R 中的时间日期和自动预测策略在用于使用 ARIMA 和 ETS 方法建模的包中可用。 在准确性的基础上，我们倾向于尝试最简单的方法论。 我们的模型将根据 MAE、MASE、MAPE 和 RMSE 进行比较。 模型的识别将对 ACF 和 PACF 进行色度检查，以假设许多可能的模型将通过选择标准 AIC、AICc 和 BIC 进行估计。