ARIMA 时间序列模型（边缘AI推理）
ARIMA Model — Edge AI Inference
自回归—差分—移动平均模型，用于平稳（或差分后平稳）时间序列的短期预测。
01
定义
自回归—差分—移动平均模型，用于平稳（或差分后平稳）时间序列的短期预测。
02
公式与计算
φ(B)(1−B)^d xₜ = θ(B)εₜ
(p, d, q) 分别为 AR 阶数、差分阶数、MA 阶数
03
适用时机
短期预测（水位、流量、负荷）；含季节性的用 SARIMA。 部署到边缘 AI 推理盒（NPU/GPU 加速）时，需做模型量化（INT8）与算子裁剪，阈值与窗长按现场数据标定后固化。
04
关键参数
p/d/q 阶数（由 ACF/PACF 与 AIC 选择）、季节性周期；边缘 AI 版本注意量化误差、推理时延与模型版本管理，异常需支持远程回滚。
05
注意事项
失效与边界适合短期（数小时至数天），不适合外推极端事件。 边缘 AI 实现需在目标算力上做推理时延与精度权衡测试，并保留原始数据上传通道供云端复核。
CLOSE
把 ARIMA 时间序列模型（边缘AI推理） 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。