数据分享|R语言ARIMA模型分析预测上海空气质量指数AQI时间序列
数据分享|R语言ARIMA模型分析预测上海空气质量指数AQI时间序列
拓端
发布于 2024-12-30 07:03:55
发布于 2024-12-30 07:03:55
代码可运行
运行总次数：0
代码可运行
指数平滑法对于预测来说是非常有帮助的，而且它对时间序列上面连续的值之间相关性没有要求。
但是，如果你想使用指数平滑法计算出预测区间，那么预测误差必须是不相关的， 而且必须是服从零均值、 方差不变的正态分布。即使指数平滑法对时间序列连续数值之间相关性没有要求，在某种情况下，我们可以通过考虑数据之间的相关性来创建更好的预测模型。
自回归移动平均模型（ ARIMA） 包含一个确定（explicit）的统计模型用于处理时间序列的不规则部分，它也允许不规则部分可以自相关。
我们以上海空气质量指数AQI做成的时间序列数据为例。随着时间增加， 数值变化很大。
下面是excel数据：
data=read.xlsx("上海空气质量指数 (1).xlsx")
head(data)
## 城市 日期 AQI指数
## 1 上海市 41640 193
## 2 上海市 41641 140
## 3 上海市 41642 195
## 4 上海市 41643 137
## 5 上海市 41644 83
## 6 上海市 41645 59
把数据转换成时间序列格式。
data=ts(data[,3],start = c(2014,1,1) ,frequency = 365)
查看数据概览
summary(data)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 28.0 59.0 77.0 86.5 103.0 266.0
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2024-12-27，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
推荐阅读
相关推荐
数据分享|R语言ARIMA模型分析预测上海空气质量指数AQI时间序列|附代码数据
更多 >
腾讯云开发者
