概念卡：ARIMA
概念卡：ARIMA
一句话定义
ARIMA 是用于建模和预测平稳或差分后平稳时间序列的经典模型。
它解决什么问题
它帮助描述时间序列中的自相关结构，并进行短期预测。
典型使用场景
- 负载预测。
- 金融或经济指标预测。
- 传感器数据趋势建模。
需要知道的关键词
- AR
- I
- MA
- Differencing
- Forecasting
和导师方向的关系
时间序列是复杂系统和大数据监测中的常见数据形式，ARIMA 是理解时间依赖的经典入口。
交流时可以怎么说
如果序列存在时间依赖，可以先检查平稳性和自相关，再考虑 ARIMA 这类模型。
ARIMA 适合短期预测，但对强非线性或复杂结构可能不足。
可以追问的问题
- 序列是否平稳？
- 是否需要差分？
- 模型残差是否仍有自相关？
给 AI 的提示词
请解释 ARIMA 中 AR、I、MA 分别代表什么。要求说明平稳性、差分、自相关和模型诊断。
我的理解边界
- 已理解：ARIMA 是时间序列经典预测模型。
- 还不确定：p、d、q 参数选择。
- 下次需要补：ACF/PACF。