如何使用深度学习来做时间序列的预测 怎样处理时间序列的季节成分

如何使用深度学习来做时间序列的预测

深度学习算法是一个统称，我说的ANN （人工神经网络算法）应该是其中的一种，且据说是比较成功的一种，详细你可以参考wikipedia的英文版，以及相关的参考链接。
我记得老外有一篇白话文般的ANN编程解说，非常易读。
除非搞理论，否者绝不推荐国内发表的文章，只嘴皮子，不动手，且让读者难以理解，且千篇一律。

怎样处理时间序列的季节成分

怎样处理时间序列的季节成分
时间序列的成分
1,长期趋势(T ).即时间序列在一个长时期内受基本因素的影响而增大或减小的趋势.
2,周期波动(C ),也叫循环变动.即时间序列受经济等原因影响呈现出的波浪形和震荡式发展.

用EVIEWS处理时间序列及ARIMA模型的识别

查看自相关、偏相关系数图，获取其截尾特点，从而确定p和q另外根据Box-Jenkins建模方法，可以初步设定模型为ARMA（n，n-1），即自回归部分的阶数比滑动平均部分阶数高一阶，