Day57
作业:检索下经典的时序单变量数据集有哪些,选择一个尝试观察其性质。
经典的时序单变量数据集有很多,以下是一些常见的介绍:
• Airline Passengers(国际航空客运量):记录了1949年1月至1960年12月的月度国际航空乘客数量,单位为千人,共144个观测值。数据具有显著的长期增长趋势和12个月的季节性波动,是验证趋势-季节性模型(如ARIMA、SARIMA)的标准案例。
• Nile River Flow(尼罗河年流量):包含1871年至1970年的年流量记录,共100个观测值,可用于研究水文时间序列的周期性和突变点。
• Sunspots(太阳黑子数):涵盖1700年至2020年的太阳黑子月度计数,周期约11年,常用于验证周期性模型和非线性动力学分析。
• CO2 Concentration(大气二氧化碳浓度):来源于夏威夷莫纳罗亚天文台的月度测量数据(1958年至今),包含显著的上升趋势和季节性波动,是气候变化研究的典型案例。
• Mackey - Glass Time Series:由混沌系统生成的模拟数据,用于测试非线性预测模型的鲁棒性。
以下选择Airline Passengers数据集观察其性质:
• 趋势性:随着时间推移,乘客数量有非常明显的线性增长趋势,从1949年的约112千人增长到1960年的约562千人。
• 季节性:每年都有固定模式,夏季(6-8月)是高峰,冬季是低谷,呈现出显著的季节性波动。
• 异方差性:越到后期,季节性波动的幅度越大,即数据的方差随着时间变化而变化,具有异方差性。