Modele jednowymiarowe szeregów czasowych

Model autoregresyjnej zintegrowanej średniej ruchomej (ARIMA) jest uogólnieniem modelu autoregresyjnej średniej kroczącej (ARMA).

Exponential smoothing is a rule of thumb technique for smoothing time series data using the exponential window function.

Prosty model wykorzystujący ostatnią wartość jako prognozę na przyszłość.

Sztuczna sieć neuronowa (ANN) to model oparty na zbiorze połączonych jednostek lub węzłów zwanych sztucznymi neuronami, które luźno modelują neurony w mózgu biologicznym.

Prophet to procedura prognozowania danych szeregów czasowych oparta na modelu addytywnym, w którym nieliniowe trendy są dopasowane do rocznej, tygodniowej i dziennej sezonowości oraz efektów wakacyjnych. Najlepiej działa z szeregami czasowymi, które mają silne efekty sezonowe i kilka sezonów danych historycznych. Prophet jest odporny na brakujące dane i zmiany trendu, i zazwyczaj dobrze radzi sobie z odstępstwami.

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.