【数学建模】深度学习核心技术精讲100篇（八十三）-时间序列分解和预测

预测是一件复杂的事情，在这方面做得好的企业会在同行业中出类拔萃。时间序列预测的需求不仅存在于各类业务场景当中，而且通常需要对未来几年甚至几分钟之后的时间序列进行预测。如果你正要着手进行时间序列预测，那么本文将带你快速掌握一些必不可少的概念。

目录

• 什么是时间序列？

• 如何在Python中绘制时间序列数据？

• 时间序列的要素是什么？

• 如何分解时间序列？

• 经典分解法

• 如何获得季节性调整值？

• STL分解法

• 时间序列预测的基本方法：

• Python中的简单移动平均（SMA）

• 为什么使用简单移动平均？

• Python中的加权移动平均（WMA）

• Python中的指数移动平均（EMA）

什么是时间序列？

顾名思义，时间序列是按照固定时间间隔记录的数据集。换句话说，以时间为索引的一组数据是一个时间序列。请注意，此处的固定时间间隔（例如每小时，每天，每周，每月，每季度）是至关重要的，意味着时间单位不应改变。别把它与序列中的缺失值混为一谈。我们有相应的方法来填充时间序列中的缺失值。

在开始使用时间序列数据预测未来值之前，思考一下我们需要提

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/123345119