時間序列定義
時間序列（英語：time series）是一組按照時間發生先後順序進行排列的數據點序列。通常一組時間序列的時間間隔爲一恆定值（如1秒，5分鐘，12小時，7天，1年），因此時間序列可以作爲離散時間數據進行分析處理
時間序列特性
時間序列中的每個觀察值大小,是影響變化的各種不同因素在同一時刻發生作用的綜合結果。從這些影響因素髮生作用的大小和方向變化的時間特性來看,這些因素造成的時間序列數據的變動分爲四種類型。
(1)趨勢性：某個變量隨着時間進展或自變量變化,呈現一種比較緩慢而長期的持續上升、下降、停留的同性質變動趨向,但變動幅度可能不相等。
(2)週期性：某因素由於外部影響隨着自然季節的交替出現高峯與低谷的規律。
(3)隨機性：個別爲隨機變動,整體呈統計規律。
(4)綜合性：實際變化情況是幾種變動的疊加或組合。預測時設法過濾除去不規則變動,突出反映趨勢性和週期性變動。
單步預測/多步預測
通常，時間序列預測描述了預測下一個時間步長的觀測值。這被稱爲“一步預測”，因爲僅要預測一個時間步。在一些時間序列問題中，必須預測多個時間步長。與單步預測相比，這些稱爲多步時間序列預測問題。比如給定歷史7天內的天氣溫度，單步預測就是預測第8天的溫度，預測後續三天的氣溫就是多步預測。
時間序列多步預測的五種策略
(1) 直接多步預測
(2) 遞歸多步預測
(3) 直接+遞歸的混合策略
(4) 第五種策略：seq2seq結構
時間序列多步預測的五種策略 https://zhuanlan.zhihu.com/p/308764952
時間序列預測方法
- 方法1：樸素法
- 方法2：簡單平均法
- 方法3：移動平均法
- 方法4：簡單指數平滑法
- 方法5：霍爾特(Holt)線性趨勢法
- 方法6：Holt-Winters季節性預測模型
- 方法7：自迴歸移動平均模型（ARIMA）
- 時間序列預測方法總結 https://zhuanlan.zhihu.com/p/67832773
- 時間序列預測全攻略（附帶Python代碼） https://cloud.tencent.com/developer/article/1059136
- 時間序列預測方法最全總結！ https://cloud.tencent.com/developer/article/1800614
- 時間序列預測方法綜述 http://www.jsjkx.com/CN/10.11896%EF%BC%8Fj.issn.1002-137X.2019.01.004