Univariés chronological series models

Un modèle de moyenne mobile autorégressive intégrée (ARIMA) est une généralisation d'un modèle de moyenne mobile autorégressive (ARMA).

Le lissage exponentiel est une technique empirique permettant de lisser les données de séries chronologiques à l'aide de la fonction de fenêtre exponentielle.

Un modèle simple utilisant la dernière valeur comme prédiction pour l'avenir.

Un réseau de neurones artificiels (ANN) est un modèle basé sur un ensemble d'unités ou de nœuds connectés appelés neurones artificiels, qui modélisent de manière approximative les neurones d'un cerveau biologique.

Prophet est une procédure de prévision des données de séries chronologiques basée sur un modèle additif dans lequel les tendances non linéaires sont adaptées à la saisonnalité annuelle, hebdomadaire et quotidienne, ainsi qu'aux effets des vacances. Il fonctionne mieux avec des séries chronologiques qui ont de forts effets saisonniers et plusieurs saisons de données historiques. Prophet résiste aux données manquantes et aux changements de tendance, et gère généralement bien les valeurs aberrantes.

La STL est une méthode polyvalente et robuste pour décomposer des séries chronologiques. STL est un acronyme de « décomposition saisonnière et tendancielle à l'aide de Loess », tandis que Loess est une méthode d'estimation des relations non linéaires.

Le TBATS est un modèle de série chronologique utile pour traiter des données présentant de multiples tendances saisonnières. TBATS est l'acronyme des principales caractéristiques du modèle : T : Saisonnalité trigonométrique B : transformation de Box-Cox A : erreurs ARIMA T : Tendance S : composantes saisonnières.

Le modèle Thêta est une méthode simple de prévision qui consiste à ajuster deux droites thêta, à prévoir les lignes à l'aide d'un simple lissage exponentiel, puis à combiner les prévisions des deux lignes pour produire la prévision finale.