（数据挖掘）基于sarimax的时间序列预测问题

一.问题背景。

题目链接
企业外部环境不稳定，供应链问题面临较多难题。现在给定数据集，包括不同地区，各个时间，销售价格和需求量的情况。
让我们去预测未来几个月的需求量的情况。
第一问：
（1） 产品的不同价格对需求量的影响；

（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；

（3） 不同销售方式（线上和线下）的产品需求量的特性；

（4） 不同品类之间的产品需求量有何不同点和共同点；

（5） 不同时间段（例如月头、月中、月末等）产品需求量有何特性；

（6） 节假日对产品需求量的影响；

（7） 促销（如618、双十一等）对产品需求量的影响；

（8） 季节因素对产品需求量的影响。
第二问：
对附件预测数据（predict_sku1.csv）中给出的产品，预测未来3月（即2019年1月、2月、3月）的月需求量。
并分别按天、周、月的时间粒度进行预测，试分析不同的预测粒度对预测精度会产生什么样的影响。

二.解题。

直接说一下建模最重要的部分。
首先这是一个时间序列问题，按照题目要求，分为日粒度，周粒度和月粒度分别进行分析，所以分别先对日周月进行预处理。

预处理和模型介绍

包括特殊日期对需求量的影响，所以直接将节假日和促销节给剔除掉。
第一问分析，季节对产品的影响，发现季节它是呈周期性的规律变化的，所以是一个季节性时间序列问题，那么我们模型就采用统计学上的sarimax算法，如果不是周期性的就采用arima算法。
arima就是arma算法中最经典的一种，

开始建模

对sarimax算法进行建模的要保证两个条件。
1.这个时间序列是一个平稳序列。
均值没有系统的变化，方差没有系统变化，那么就说明是一个平稳的，才有规律可言，预测出来的结果才有意义。
2.这个时间序列是一个非白噪声序列。
非白噪声就是纯随机序列，各序列之间没有关系，没有记忆。满足这两个条件分析才有价值。
如果不满足的话，就是进行一阶二阶差分，让它满足这两个条件，也就相当于提取出了序列的平稳且随机的数据。
（细节就是，adf检验来检验平稳性）
模型训练过程中，就是pdq这三个参数，
p是季节自回归的阶数
d季节差分的次数
q是季节移动平均的阶数
一般不会超过3.
训练出最好的pdq。得到模型。

后处理

最后做一个残差检验。
因为，我们对数据是假设他是满足正太分布的，做这个东西就保证我们拟合是正确的。

最后先把泰迪杯的论文，数据留在桌面吧~到时候复盘。