2.1 ARIMA模型预测的建立

    差分自回归移动平均模型(auto-regressive integrated and moving average model， ARIMA)，是一种能很好地预测线性变化的时间序列模型，它由自回归和移动平均两步法构成。ARIMA模型理论上适合于各种时间序列数据，它不需对时间序列的发展模式作先验的假设，可通过反复识别修改，直到获得满意的模型，是一种理论较完善、精确度较高的时序短期预测方法。在医药行业，ARIMA模型已用在发病预测、药品费用预测、医院绩效预测以及药品销售预测等领域。其表达式为：

    2.1.1 样本序列特点及平稳化处理

    ARIMA模型的假设基础是平稳时间序列，如果时间序列是有趋势的，那么一定是非平稳数据。 如果时间序列非平稳，建立模型之前应先通过差分把它变换成平稳的时间序列 ......