ARIMA 时间序列模型（FPGA 硬件加速）
ARIMA Model — FPGA Hardware Acceleration
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。 移植到 FPGA 时需按定点/浮点混合精度重写核心运算，流水线与并行度设计决定吞吐，阈值固化后按时序验证。
04
关键参数
p/d/q 阶数（由 ACF/PACF 与 AIC 选择）、季节性周期；FPGA 版本关注位宽、DSP 资源与时钟频率，位宽裁剪需在样本集上复验误差。
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。 FPGA 实现须做时序仿真与上板一致性测试，输出寄存器级文档便于后续改版。
CLOSE
把 ARIMA 时间序列模型（FPGA 硬件加速） 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。