时间序列平稳性检测：ADF检验结果分析

在时间序列分析中，平稳性是一个重要的前提假设。ADF检验是一种常用的平稳性检验方法，可以帮助我们判断时间序列是否平稳。

案例分析：

from statsmodels.tsa.stattools import adfuller as ADF
print('原始序列的ADF检验结果为：', ADF(df1[' Flow Duration']))

结果解读：

该案例的ADF检验结果为：

(-14.402731425557892, 8.455714937443338e-27, 12, 4721, {'1%': -3.4317359053519567, '5%': -2.862152412336451, '10%': -2.567095989197428}, 176274.26841211622)

根据ADF检验结果，原始序列的p-value为8.455714937443338e-27，远小于0.05的显著性水平。因此，我们可以拒绝原假设，即原始序列是平稳的。

结论：

根据ADF检验结果，原始序列存在平稳性问题。在进行时间序列分析之前，需要对原始序列进行平稳化处理。