启智社区，确实给力

当前位置：首页 > 学习 > 实训 >

机场交通分析与预测

机场交通分析与预测

  • 来源：头歌教研中心
  • 章节：3 单元：3

  • 人工智能组

  • 龙雯
进入实训课程

课程简介：

时间序列分析是指根据系统观察得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。时间序列分析常用于国民宏观经济控制、市场潜力预测、气象预测、农作物害虫灾害预报等各个方面。
我们常使用ARMA模型来做时间序列分析预测，ARMA模型又称为ARMA (p,q)模型。其核心思想就是要确定p和q这两个参数。其中，p决定了我们要用几个滞后时期的价格数据，而q决定了我们要用几个滞后时期的预测误差。
本课程将从数据预处理，数据分析，模型预测这三个方面入手，使用机器学习模型，来研究机场交通分析与预测的问题。

你将学到

















时间序列数据处理

数据分析的基本流程


常用 Python 库和函数的使用

运用 Python 语言解决实际问题的能力


如何对原始数据进行分析及预处理

掌握如何使用ARIMA模型来预测时序型数据



企业急需



面向人群


- 了解基础的 Python语法，对 Python 编程感兴趣的同学
- 想要通过编写代码来学习对时序型数据处理流程的同学
- 如果能懂一些机器学习相关的知识会更好

课程大纲


课程包含：3章节课程+实训演练
第一章：数据预处理
第二章：数据分析
第三章：模型预测

课程章节：

第一章 数据预处理

本章节主要是对数据进行预处理：包括数据获取、数据展示、数据介绍以及数据信息的查看。其中主要对时间的格式进行转化，以及字段的统计和一些异常值的处理，包括空值的查看，重复项的删除以及一些不重要的数据的剔除。 学习本章所需知识： 1.numpy库的使用 2.pandas库的使用 3.数据信息的基本查看

第二章 数据分析

本章节数据分析包括：单变量分析、基线百分比分布、双变量分析、Dickey-Fuller 检验、KPSS检验；其中单变量分析、基线百分比分布、双变量分析以图例绘画对数据进行分析；Dickey-Fuller 检验、KPSS检验主要是对数据序列平稳性的检验与调整。 学习本章所需知识： 1.matplotlib库的基本掌握 2.seaborn库的基本掌握 3.adfuller库的基本掌握 4.kpss库的基本掌握

第三章 模型预测

在上个章节中我们已经使数据序列平稳了，因此在本章中我们就可以开始进行建模。由于没有季节性成分，我们可以使用ARIMA模型。ARIMA模型存在三个超参数： p：AR(自回归)项的阶数。需要事先设定好，表示y的当前值和前p个历史值有关。 d：使序列平稳的最小差分阶数，一般是1阶。非平稳序列可以通过差分来得到平稳序列，但是过度的差分，会导致时间序列失去自相关性，从而失去使用AR项的条件。 q：MA(滑动平均)项的阶数。需要事先设定好，表示y的当前值和前q个历史值AR预测误差有关。实际是用历史值上的AR项预测误差来建立一个类似归回的模型。 学习本章所需知识： ARIMA模型的创建、训练以及测试。