摘要：本文将基于乘法季节ARIMA 模型，对美国2001 年1 月至2022 年3 月共255 个月的月度风力发电量数据进行研究。在探索性数据分析阶段，我们通过依次进行对数变换、差分变换、季节差分变换得到了通过ADF检验的平稳数据。我们首先从已知理论性质的模型出发，通过与已知模型的ACF 图进行比较，尝试建立了乘法季节ARIMA 0,1,1 × 0,1,1 12模型，并对该模型的残差进行相关性诊断、正态性检验以及Ljung-Box 检验。残差的Ljung−Box 检验在5 个相关系数之后较为显著，而McLeod 检验显示，残差不具有ARCH 特征，因此排除了异方差而探求其它模型。之后， 我们从数据本身出发， 结合BIC 标准对模型进行筛选， 并确定建立的新模型为ARIMA 1,1,1 × 2,0,0 12模型。新的模型通过了残差相关性诊断、正态性检验，Ljung-Box 检验的效果相比模型一有很大改善。最后，我们用上面建立的两个模型：ARIMA(0,1,1) × 0,1,1 12和ARIMA(1,1,1) × 2,0,0 12分别对数据进行向后预测与样本内活动窗口预测，两种预测中模型二：ARIMA(1,1,1) × 2,0,0 12均更优。
压缩包中有论文、代码附录以及所用的原始数据。