最近接触时间序列较多，在借鉴很多人的知识之后，特此总结一下。目前关于时间序列数据分析预测大致有三种主流方法：
1、ARIMA系列方法
2、facebook开源的Prophet模型
3、LSTM时间序列预测
本系列将在项目和实践的角度，用python实现上述三种方法并做出对比总结。
所需环境： win10/ubuntu均可，python3.6.x，pandas，numpy，tensorflow2.0，statsmodels…
1、项目简介
（1）首先，本文项目中所用数据为近一段时间内，间隔30分钟采样的气象数据（包括温度、湿度、风速、风向等数据）。在本文的理解中，arima方法仅支持单变量预测，也就是需要单独取出某列进行该列的预测。若想要多变量输入多变量输出，arima方法要拟合多个模型，再整合输入输出。
（2）数据介绍：
数据是我从某气象网站爬取到的气象数据，已经做好数据清洗，后期我会附上数据链接，举例如下：
表中单位：温度(华氏度)，湿度%，风向可转换角度，风速（mph）