时间序列是一系列按时间顺序排列的数据，这些数据以相等或不等的间隔间隔开。 预测过程包括预测时间序列的未来值，或者通过仅基于其过去行为（自回归）对序列进行建模，或者通过使用其他外部变量来进行建模。
https://embed.notionlytics.com/wt/ZXlKd1lXZGxTV1FpT2lJeE4yWmtNbVU1TjJZek1XRTBZVEJpWW1WaVkyWmlPVEZrTURjNE9HUTBNQ0lzSW5kdmNtdHpjR0ZqWlZSeVlXTnJaWEpKWkNJNklsZHNTR2hsVEZSUFdXeHpaVmRhUW1ZNU1YQmxJbjA9
在处理时间序列时，很少需要只预测序列中的下一个元素 $\left(t_{+1}\right)$。 相反，最常见的目标是预测整个未来区间 $\left(\left(t_{+1}\right), \ldots,\left(t_{+n}\right)\right)$ 或远时间点 $\left(t_{+n}\right)$。 有几种策略允许生成这种类型的预测，实现了以下内容：
本文档展示了如何使用预测方法来预测每小时电力需求的示例。提供从 2011 年 12 月 31 日到 2014 年 12 月 31 日的电力需求 (MW) 时间序列。它旨在生成一个能够以小时为单位预测第二天能源需求的预测模型。