基于周期因子的时间序列预测

一、基于周期因子的时间序列预测

1、场景

很多数据都具有周期性，比如客流量、支付

需要确定周期长短， 比如一周，一个月，结合STL分解 观察周期变化

2、缺点

   没有考虑到节假日、突发事件情况

3、STL分解介绍

将时序图拆解为Trend+Sensoinnal+Residual

4、时间序列规则

选择特征，可以用简单统计量来作为特征，从中提取出有用的信息

a、中位数、均值

b、临近数据，距离待测数据越近的数据对齐影响越大

二、预测步骤

假设给任务是根据前三周的数据预测第四周每天的客流量

Step1,获得周期因子

获得星期几的均值，再除以整体均值

Step2,计算base

Step3，使用base*周期因子进行预测

假如base=100，可以得到第四周的客流量

如果预测下个月每天的情况

如果想预测下个月每天的流量情况，可以基于每个月的规则

（1-30号平均流量）* 周期因子

Step1，计算周期因子（weekday）

Step2，计算每日（1-30号）均值，

Step3，统计星期几（weekday）在每日（day）出现频次

Step4，基于周期因子获得加权值，得到每日的base（去掉周期因子的影响）

Step5，根据每日base和周期因子进行预测

三、特殊日期处理

清明节，2014年4月5-7日 五一，2014年5月1-3日 六一，2014年5月31-6月2日 中秋节：2014年9月6-8日 国庆节：2014年10月1-7日

节假日工具包chinese_calendar

pip install chinesecalendar

import datetime
from chinese_calendar import is_workday, is_holiday
temp  =  datetime.date(2021,1,10)
print(is_workday(temp))
print(is_holiday(temp))

异常情况修正

1）不是真的工作日 => 假日

2）不是真的假日 => 工作日True