25 七月 202418.18.1时间序列分析时间序列分析 25 七月 20242时间序列n时间序列：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。n时间序列（TimeSeries）挖掘是数据挖掘中的一个重要研究分支，有着广泛的应用价值。n近年来，时间序列挖掘在宏观的经济预测、市场营销、客流量分析、太阳黑子数、月降水量、河流流量、股票价格变动等众多领域得到应用。事实上，社会、科学、经济、技术等领域中广泛存在着大量的时间序列数据有待进一步的分析和处理。25 七月 202438.1.1 时间序列的研究必须依据合适的理论和技术进行，一般可以分为：（根据时间序列值个数划分根据时间序列值个数划分) )n一元时间序列一元时间序列：如某种商品的销售量数列等，可以通过单变量随即过程的观察获得规律性信息。n多元时间序列多元时间序列：如包含气温、气压、雨量等在内的天气数据，通过多个变量描述变化规律。时间序列挖掘需要揭示各变量间相互依存关系的动态规律性。（根据时间类型划分）（根据时间类型划分）n离散型时间序列离散型时间序列：如果某一序列中的每一个序列值所对应的时间参数为间断点，则该序列就是一个离散时间序列。n连续型时间序列连续型时间序列：如果某一序列中的每个序列值所对应的时间参数为连续函数，则该序列就是一个连续时间序列。25 七月 202448.1.1（根据时间序列中的序列划分）（根据时间序列中的序列划分）n平稳型时间序列平稳型时间序列：一个时间序列，如果均值没有系统的变化（无趋势）、方差没有系统变化，且严格消除了周期性变化，就称之是平稳的。n季节型时间序列季节型时间序列：指时间序列中的属性值随着时间周期进行周期性变化。n循环型时间序列循环型时间序列：时间序列中的属性值随着时间的变化呈周期性（周期不是固定是时间）。n直线型时间序列直线型时间序列：时间序列中的属性值随着时间的变化呈线性变化（向上/向下）。n曲线型时间序列曲线型时间序列：时间序列中的属性值随着时间的变化呈曲线性变化（顺时针/逆时针）。25 七月 20245时间序列分析和时间序列数据挖掘 n 时间序列分析序列分析(Timeseriesanalysis)(Timeseriesanalysis)是一种是一种动态数据数据处理的理的统计方法。方法。该方法基于随机方法基于随机过程理程理论和数理和数理统计学方法，学方法，研究随机数据序列所遵从的研究随机数据序列所遵从的统计规律，以用于解决律，以用于解决实际问题。n时间序列一般具有复序列一般具有复杂性、性、动态性、高噪声，甚至多性、高噪声，甚至多维的的特性。特性。n时间序列数据挖掘（序列数据挖掘（TSDMTSDM）就是要从大量的）就是要从大量的时间序列数据序列数据中提取人中提取人们事先不知道的、但又是潜在有用的与事先不知道的、但又是潜在有用的与时间属性相属性相关的信息和知关的信息和知识，并用于短期、中期或，并用于短期、中期或长期期预测，指，指导人人们的社会、的社会、经济、军事和生活等行事和生活等行为。n时间序列分析的一个重要序列分析的一个重要应用是用是预测，即根据已知，即根据已知时间序序列中数据的列中数据的变化特征和化特征和趋势，预测未来属性未来属性值。n时间序列分析的序列分析的经典方法有：典方法有：图表法、指表法、指标法和模型法。法和模型法。25 七月 20246时间序列数据挖掘的处理过程n（一般过程如下）确定、抽取、选择时间间隔建立预测模型25 七月 202478.1.2线性回归分析解决时间序列问题例8.1原始数据：25 七月 202488.1.2n1.线性回归方程输入公式=LINEST(B2:B22,C2:E22,TRUE,TRUE)2.预测得出2014年商品房均价：1.2106*3500-0.4145*4000+0.1506*3600+186.1452=3301.40521.2106*3500-0.4145*4000+0.1506*3600+186.1452=3301.40523.3.使用使用wekaweka25 七月 202498.1.2不做属性选择：不做属性选择：25 七月 2024108.1.2M5：25 七月 2024118.1.3神经网络技术解决时间序列问题25 七月 2024128.1.3结果有所改善