如果把lstnet中的AR换成ARIMA，效果会怎么样

将LSTNet中的AR替换为ARIMA可能会导致模型效果发生变化，具体效果取决于数据的特征和模型参数的选择。 ARIMA模型是一种时间序列预测模型，它可以捕捉时间序列的趋势、季节性和周期性等特征。与AR模型相比，ARIMA模型可以处理非平稳时间序列，并且可以通过差分操作将非平稳时间序列转化为平稳时间序列进行建模。 然而，ARIMA模型也有其局限性。例如，ARIMA模型假设时间序列是线性的，并且需要手动选择模型的参数，如滞后阶数、差分阶数等。此外，ARIMA模型对异常值和缺失值比较敏感，需要进行数据清洗和预处理。 因此，如果将LSTNet中的AR替换为ARIMA，需要根据实际情况选择合适的模型参数，并进行数据清洗和预处理，以获得更好的预测效果。