Univariate modellen met tijdreeksen

Een autoregressief geïntegreerd voortschrijdend gemiddelde (ARIMA) -model is een generalisatie van een autoregressief voortschrijdend gemiddelde (ARMA) -model.

Exponentiële afvlakking is een vuistregel voor het vloeiend maken van tijdreeksgegevens met behulp van de exponentiële vensterfunctie.

Een eenvoudig model dat de laatste waarde gebruikt als voorspelling voor de toekomst.

Een kunstmatig neuraal netwerk (ANN) is een model dat is gebaseerd op een verzameling van verbonden eenheden of knooppunten, kunstmatige neuronen genaamd, die de neuronen in een biologisch brein losjes modelleren.

Prophet is een procedure voor het voorspellen van tijdreeksgegevens op basis van een additief model waarbij niet-lineaire trends passen bij jaarlijkse, wekelijkse en dagelijkse seizoensinvloeden, plus vakantie-effecten. Het werkt het beste met tijdreeksen met sterke seizoenseffecten en historische gegevens uit verschillende seizoenen. Prophet is bestand tegen ontbrekende gegevens en trendverschuivingen, en gaat doorgaans goed om met uitschieters.

STL is a versatile and robust method for decomposing time series. STL is an acronym for “Seasonal and Trend decomposition using Loess”, while Loess is a method for estimating nonlinear relationships.

TBATS is a time series model that is useful for handling data with multiple seasonal patterns. TBATS is an acronym for key features of the model: T: Trigonometric seasonality B: Box-Cox transformation A: ARIMA errors T: Trend S: Seasonal components.

The Theta model is a simple method for forecasting that involves fitting two theta-lines, forecasting the lines using simple exponential smoothing, and then combining the forecasts from the two lines to produce the final forecast.