Elysia Tools
导航
Data Analysis
从 CSV 或 JSON 时间序列数据中预测未来数期，并在一份报告中查看趋势、季节项和残差分解
详情
导入带时间列和数值列的 CSV、JSON 或表格数据。工具会拟合三种轻量预测模型之一，生成未来区间和置信带，并把观测序列拆成趋势、季节项和残差。
模型说明：
填写说明：
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
这款时间序列预测与季节性分析工具能够帮助您快速处理 CSV、JSON 或 Excel 格式的时间序列数据。通过内置的 ARIMA、指数平滑或线性趋势模型，您可以轻松预测未来数据走势，并生成包含趋势、季节性和残差分解的综合报告。无需复杂的编程，即可直接在浏览器中完成专业的数据预测与周期性分析，并支持将预测结果导出为 JSON 或 CSV 格式。
背景
分析师需要根据过去半年的每日销售额数据，预测未来一周的业绩，并向管理层汇报销售趋势。
问题
历史数据存在明显的周末销售高峰，需要一种能捕捉这种 7 天周期规律的预测方法。
如何使用
上传包含每日销售额的 CSV 文件，将时间列设为 timestamp，数值列设为 value。选择 ARIMA 模型，预测期数设为 7，季节长度设为 7。
{
"timestampColumn": "timestamp",
"valueColumn": "value",
"model": "arima",
"forecastPeriods": 7,
"seasonLength": 7,
"confidenceLevel": "0.95",
"exportFormat": "json"
}结果
生成了一份包含未来 7 天销售预测及 95% 置信区间的报告，并清晰展示了数据中的长期增长趋势和周末季节性波动。
背景
运营团队拥有过去三年的网站月度访问量 JSON 数据，希望评估整体增长趋势并预测未来半年的流量。
问题
数据受特定月份的营销活动影响较大，难以直观看出真实的自然增长趋势。
如何使用
粘贴 JSON 格式的流量数据，指定时间列为 month，数值列为 visits。选择指数平滑模型（Exponential Smoothing），预测期数设为 6，季节长度设为 12。
{
"timestampColumn": "month",
"valueColumn": "visits",
"model": "exponential-smoothing",
"forecastPeriods": 6,
"seasonLength": 12,
"confidenceLevel": "0.90",
"exportFormat": "csv"
}支持直接粘贴 CSV 或 JSON 文本，也可以上传 .csv、.json、.xls 和 .xlsx 格式的数据文件。
提供三种轻量级模型：适合浏览器运行的 ARIMA(1,1,0) 近似模型、基于 Holt 风格的指数平滑模型，以及叠加季节修正的线性趋势模型。
季节长度是指数据中周期性波动的跨度。例如，对于包含每周规律的日度数据，季节长度应设为 7；对于包含年度规律的月度数据，应设为 12。
置信水平用于控制预测区间的宽度。较高的置信水平（如 99%）会生成更宽的预测带，表示对未来波动范围的包容度更高。
可以。您可以在配置中选择导出格式，工具会生成包含预测时间、预测值及置信上下限的 JSON 或 CSV 数据供您预览和复制。
结果
成功将原始流量数据拆解为趋势项和季节项，排除了月份波动干扰，并导出了未来 6 个月的流量预测 CSV 格式数据。