绘制出自相关图和偏自相关图怎样确定ARIMA模型的参数。

确定ARIMA模型的参数通常需要以下步骤：

确定差分阶数：对于非平稳时间序列，首先需要进行差分操作，将其转化为平稳时间序列。可以通过观察自相关图和偏自相关图来确定差分阶数。如果自相关图和偏自相关图在较高阶之后均趋于零，则表明需要进行差分操作。
选择合适的AR和MA阶数：ARIMA模型包含两个部分，一个是自回归（AR）部分，一个是移动平均（MA）部分。AR部分表示当前值与过去若干个值的线性组合，MA部分表示当前值与过去若干个随机误差的线性组合。通过观察自相关图和偏自相关图，可以确定AR和MA的阶数。自相关图的截尾部分可以给出AR的阶数，偏自相关图的截尾部分可以给出MA的阶数。
确定季节性差分阶数和季节性AR、MA阶数（如果有季节性）：如果时间序列存在季节性，需要进行季节性差分操作，并确定季节性AR和MA的阶数。可以通过观察季节性自相关图和季节性偏自相关图来确定。
根据确定的参数，建立ARIMA模型并进行参数估计：根据确定的差分阶数、AR和MA的阶数，建立ARIMA模型，并使用最大似然估计等方法对模型参数进行估计。
模型诊断：对估计得到的ARIMA模型进行模型诊断，包括检验残差是否为白噪声、是否满足正态分布等。如果模型不满足诊断要求，需要进行模型调整，重新估计参数。
模型预测：使用估计得到的ARIMA模型进行未来的时间序列预测。

需要注意的是，确定ARIMA模型的参数是一个迭代的过程，可能需要多次尝试不同的参数组合，进行模型比较和选择。同时，还可以借助统计软件和包（如R中的forecast包）提供的自动模型选择方法，如AIC、BIC等准则来辅助确定ARIMA模型的参数。