Анализ временных рядов помогает определить закономерности в изменениях параметра во времени и сделать прогноз на будущее. 2

Некоторые методы анализа временных рядов:

• Визуализация. 1 Включает в себя линейные графики, графики сезонных подсерий, графики автокорреляции, гистограммы и интерактивные визуализации. 1 Эти методы помогают выявлять тенденции, закономерности и аномалии в данных, зависящих от времени. 1
• Предварительная обработка. 1 Включает в себя методы, направленные на улучшение качества данных, устранение шума, обработку пропущенных значений и придание данным пригодности для моделирования. 1
• Автокорреляционный анализ. 1 Статистический метод для измерения корреляции между временным рядом и запаздывающей версией самого себя с различными временными задержками. 1 Он помогает выявить закономерности и зависимости в данных временного ряда. 1
• Анализ тенденций. 1 Процесс выявления и анализа долгосрочного движения или направленности временного ряда. 1 Тенденции могут быть линейными, экспоненциальными или нелинейными и имеют решающее значение для понимания лежащих в их основе закономерностей и составления прогнозов. 1
• Анализ сезонности. 1 Включает в себя выявление и количественную оценку периодических колебаний или закономерностей, которые происходят во временном ряду с фиксированными интервалами, такими как ежедневные, еженедельные или годовые. 1
• Декомпозиция. 1 Разделяет временной ряд на составляющие его компоненты, как правило, тренд, сезонность и остаточную величину (ошибку). 1 Этот метод помогает изолировать и анализировать каждый компонент в отдельности, облегчая понимание и моделирование лежащих в его основе закономерностей. 1
• Спектральный анализ. 1 Включает в себя изучение представления временного ряда в частотной области для выявления доминирующих частот или периодичности. 1 Это помогает обнаружить циклические закономерности и понять лежащее в основе периодическое поведение данных. 1

Для прогнозирования временных рядов также используют методы экстраполяции, методы машинного обучения (регрессия, нейронные сети) и прогнозирование с помощью SARIMA. 2