1.概述
时序分析通过考虑水平趋势和季节性趋势，对一段时间内、等时间间隔的采样数据进行分析，以预测未来一段时间的数据。即根据已知的历史数据，预测未来的数据。
2.配置参数
拖拽一个数据集和一个时序分析节点到画布，连接数据集和时序分析节点。
添加时序分析模型到实验后，可通过右侧的“配置项目”页面，对模型进行设置。
【时间列】选择时间字段。根据选择的时间字段的数据，自动算出时间间隔。
【周期】需填入时间间隔的整数倍，根据周期和时间间隔（周期/时间间隔）算出频率，即单位时间内的观测数。根据时间间隔，系统会自动往周期填入一个合理的数值，此数值也可手动修改。
【数据列】选择数据字段。
【平滑参数(alpha)】α越接近1，平滑后的值越接近当前时间的数据值。
【趋势(beta)】是否考虑纵向趋势。默认是被勾选，表示按纵向趋势拟合。
【季节因子(gamma)】是否考虑季节性趋势。如果设置为不勾选，则非季节性模型拟合。如果设置为勾选，则进行季节性模型拟合。季节性模式可以是加法效应（additive）和乘法效应（multiplicative）。加法效应默认勾选，表示按季节性加法的趋势增长。乘法效应被勾选时，表示按季节性乘法趋势增长。季节性模型拟合时，需满足一个周期内至少有两个数据点，即频率大于等于2，且时间序列至少包含2个周期。
【往后预测跨度】往后预测的时间跨度，需填入时间间隔的整数倍。选择时间列后，系统会自动填入一个合理的数值，此数值也可进行手动修改。
【置信区间】根据Level 算出估计值的上界和下界，默认Level是99%。
3.查看模型结果
时序分析模型运行成功后，会自动切换到“结果展示”页面，查看实验模型的结果，再次运行时则不会自动切换，可以手工切换至结果展示页面。
•季节模型预测曲线
【历史拟合图】历史数据变化曲线和拟合数据变化曲线。绿色线是历史数据变化曲线，黑色线是拟合数据变化曲线。两条线重合度越高拟合的越好。
【预测图】对未来指定时间段内的预测。绿色线是历史数据变化曲线，黑色线是对指定时间段内预测的变化曲线。由此可以看出未来数据的变化趋势。
【预测图+置信区间图】对未来指定时间段内的预测。深绿色线是历史数据变化曲线，黑色线指定时间段内预测的变化曲线。浅绿色线是置信区间的上界，橙色线是置信区间的下界。
•模型统计量
【MSE】平方误差的均值。越小越好。
【LBQ检验】时间序列是否存在滞后相关的一种统计检验。显著性小于0.05时说明误差存在明显的自相关性，表示模型拟合不良。显著性值越接近1，模型拟合越好。
