Resumen

Las series temporales siguen los principios básicos de la estadística matemática y pueden proporcionar un conjunto de métodos de procesamiento de datos dinámicos basados científicamente. Utilizando este método, varios tipos de datos pueden ser aproximados por modelos matemáticos correspondientes, y luego, la estructura interna y las características complejas de los datos pueden ser comprendidas esencialmente, para así lograr el propósito de predecir su tendencia de desarrollo. Este documento estudia principalmente el modelo de pronóstico combinado basado en el modelo de series temporales y su aplicación. En primer lugar, se presentan las perspectivas de aplicación y el estado de investigación del modelo de pronóstico combinado, la fuente del análisis de series temporales y el estado del desarrollo de la investigación en el país y en el extranjero, y se resumen el propósito y la importancia del tema de investigación y el contenido de la investigación. Luego, el documento presenta las teorías relevantes sobre el modelo ARIMA y los principios básicos de reconocimiento de modelos y explica el método de suavizado de series temporales. Finalmente, el documento utiliza el

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Serie temporal; Estadística matemática; Modelo de pronóstico; Modelo ARIMA; Procesamiento de datos; Modelo de pronóstico combinado
• Keywords:Time series; Mathematical statistics; Forecasting model; ARIMA model; Data processing; Combined forecasting model