时间序列模型有什么实际用处

时间序列模型有什么实际用处

时间序列模型可用于实际中的描述、分析、预测、决策。

描述：

根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。

分析：

当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。

预测：

一般用ARMA模型拟合时间序列，预测该时间序列未来值。

决策：

根据时间序列模型可调整输入变量使系统发展过程保持在目标值上，即预测到过程要偏离目标时便可进行必要的控制。

什么是时间序列

时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列；

时间序列法是一种定量预测方法，亦称简单外延方法，在统计学中作为一种常用的预测手段被广泛应用，时间序列分析在第二次世界大战前应用于经济预测，二次大战中和战后，在军事科学、空间科学、气象预报和工业自动化等部门的应用更加广泛；

时间序列分析是一种动态数据处理的统计方法，该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题；

时间序列构成要素是，现象所属的时间，反映现象发展水平的指标数值。

时间序列分析

1、时间序列分析(Time-Series Analysis)是指将原来的销售分解为四部分来看——趋势、周期、时期和不稳定因素，然后综合这些因素，提出销售预测。强调的是通过对一个区域进行一定时间段内的连续遥感观测，提取图像有关特征，并分析其变化过程与发展规模。当然，首先需要根据检测对象的时相变化特点来确定遥感监测的周期，从而选择合适的遥感数据。

2、特点：简单易行，便于掌握，但准确性差，一般只适用于短期预测。

3、基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。

4、基本思想：根据系统的有限长度的运行记录（观察数据），建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并借以对系统的未来进行预报。