https://plumephp.com/tags/%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97/Recent content in 时间序列 on PlumePHPHugozh-CNMon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/ai-time-series-forecasting/Sun, 27 Sep 2026 12:30:00 +0800https://plumephp.com/ai-time-series-forecasting/时序预测实战：ARIMA/ETS、LightGBM 特征工程、LSTM/TCN/Transformer、多步预测与生产部署。https://plumephp.com/ml-time-series/Mon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/ml-time-series/<h2 id="引言">引言</h2> <p>时间序列预测是「用过去推未来」：销量、流量、温度、股价。与普通回归不同，时序数据有<strong>自相关</strong>（今天影响明天）、<strong>趋势</strong>、<strong>季节性</strong>——需要专门的工具链。本文按「由易到难」推进：先讲平稳性与 ACF/PACF 诊断（所有方法的地基），再给经典统计法（指数平滑/ARIMA）、Facebook Prophet（自动处理趋势/节假日）、LSTM（深度学习），最后对比选型与评估。</p>