数据处理与建模作业流程.docVIP

数据处理和建模步骤： 1 数据处理 1.1 替换缺失值： 数据完整没有缺失值情况基础不存在，我们数据中，0点-5点航班为0情况很多，所以数据缺失比较严重。时间序列分析要求时间周期完整，假如将缺失数据只简单地用其它全部数据缺失值填充，误差较大。经过反复尝试，发觉用临近两点均值填充，结果最为理想。 2 时间序列预处理 2.1 时间序列平稳化 首先绘制替换缺失值以后原始数据自相关图和偏自相关图。以下图所表示： 能够看到自相关图并没有收敛到置信区间之内，趋近0以后又增加，且全部值均在置信区间之外。故序列不平稳。 为了进行时间序列平稳化，首优异行差分，即前值减后值，消除前后数据依靠性。再次制作自相关图，勾选一次差分。结果图所表示： 图所表示偏ACF图仍然全部值均在置信区间之外。序列仍不平稳。勾选季节性差分再次制作自相关图，后一个周期相同位置值减去前一个周期相同位置值称为季节性差分。 结果图所表示： 从图中可知ACF为截尾，PACF为拖尾。序列已稳定。 故将原始序列优异行差分，后进行季节性差分。 2.2 平稳序列检验 为了考察单个序列是否确实已经转换为平稳随机序列，制作自相关图（ACF）和偏相关图（PACF）。此次将延迟拉大，观察相关图是否含有周期性： 图中所表示，ACF在1阶以后骤减，为截尾。深入观察，发觉其含有周期性，在q+Sq后仍然骤减。PACF拖尾。依据下图，符合MA(q),S