ARIMA(自回归积分滑动平均模型):一种常用的时间序列统计建模与预测方法,通过把序列表示为自回归(AR)、差分/积分(I)和滑动平均(MA)三部分的组合来刻画数据的趋势与相关结构。常写作 **ARIMA(p, d, q)**。
(注:在季节性数据中也常扩展为 SARIMA。)
/əˈriːmə/
We used an ARIMA model to forecast next month’s sales.
我们使用 ARIMA 模型来预测下个月的销量。
After differencing the series to remove the trend, she compared several ARIMA(p, d, q) specifications and selected the best one using AIC.
在对序列进行差分以去除趋势后,她比较了多个 ARIMA(p, d, q) 设定,并用 AIC 选择了最优模型。
ARIMA 是由三个英文术语的首字母缩写而来:Autoregressive(自回归)、Integrated(积分/差分,表示通过差分使序列更平稳)、Moving Average(滑动平均)。该术语在时间序列分析的经典框架(常称 Box–Jenkins 方法)中被系统化并广泛传播。