Python中的多季节性时间序列分析

Posted 2023-02-15

【中文标题】Python中的多季节性时间序列分析

【英文标题】：multiple seasonality Time series analysis in Python

【发布时间】：2018-11-15 15:07:20

【问题描述】：

我有一个每日时间序列数据集，我正在使用 Python SARIMAX 方法来预测未来。但我不知道如何在 python 中编写考虑多个季节性的代码。据我所知，SARIMAX 只处理一个季节性，但我想检查每周、每月和每季度的季节性。我知道要捕获星期几的季节性，我应该创建 6 个虚拟变量，要捕获月份的季节性，创建 30 个虚拟变量，要捕获一年中的月份，创建 11 个虚拟变量。但我不知道如何将它与 Python 中的主要 SARIMAX 函数结合起来？我的意思是 SARIMAX 只是一个执行自回归、移动平均和差分部分的函数，但是我应该如何在 SARIMAX 的时间序列分析中包含多个季节性代码？到目前为止，我知道如何为每个类别创建虚拟变量，但不知道如何将其复制到整个数据集？之后我不知道如何编写执行 SARIMAX 并同时捕获多个季节性的 Python 代码。

我需要可以做到这一点的 Python 代码的帮助。

请告知

问候

【问题讨论】：

要获得更强大、更灵活的方法：towardsdatascience.com/…

【参考方案1】：

是的，SARIMA 模型是为处理单一季节性而设计的。

要使其适用于多个季节性，可以应用 称为傅里叶项的方法。

其次，对于具有多个的时间序列数据，有一个更好的方法 季节性效应，称为 TBABS。这是一个例子 包括两种方法的代码和解释： https://medium.com/intive-developers/forecasting-time-series-with-multiple-seasonalities-using-tbats-in-python-398a00ac0e8a

第三，你也可以查看https://facebook.github.io/prophet/ 为这个问题提供了一种更简单的方法。

要进行更深入的研究，您可以随时在 Google 上搜索具有“多重季节性”或“多重季节性效应”的术语“时间序列”