在我的场景下，有数千个指标，都是时间序列，现在要通过时间序列分析的方式来预测，并做异常识别。

我看了一些时间序列分析的资料，发现很多都要靠人工，比如看acf、pacf来识别ar，ma的的阶数等

但在这么多序列的情况下，不可能人工识别

有什么办法能够自动将时间序列分类，然后用对应的模型来预测呢？

我目前想到的是：

1，shapiro.test(ss)$p > 0.05 这样的应该是一个标准正态分布的序列，可以用均值和标准差来预测   
2，识别平稳、非平稳序列 ---这个还没有能够自动化的思路

3，对非平稳序列，使用fb的prophet，能够做全自动化的预测


请各位赐教，谢谢