关于这个问题，ARIMA模型是一种时间序列分析方法，用于预测时间序列数据的未来趋势。arima112模型是指ARIMA模型中，自回归阶数(p)=1，差分阶数(d)=1，移动平均阶数(q)=2。
使用arima112模型的步骤如下：
1. 收集时间序列数据，并进行数据预处理，包括缺失值填充、异常值处理等。
2. 对数据进行平稳性检验，如果数据不平稳，需要进行差分处理，直到数据平稳。
3. 通过ACF和PACF分析，确定ARIMA模型的阶数(p, d, q)。
4. 利用确定的阶数，建立ARIMA模型。
5. 对建立的模型进行模型诊断，检验预测误差是否符合正态分布，是否存在自相关或残差序列不平稳等问题。
6. 使用建立的模型进行预测，得到时间序列的未来趋势。
7. 对预测结果进行评估，判断模型的拟合效果和预测准确性是否满足要求。
需要注意的是，ARIMA模型只适用于线性时间序列数据，对于非线性时间序列数据，需要使用其他方法进行分析和预测。同时，在模型建立和预测过程中，还需要考虑时间序列数据的季节性、周期性等因素，选择合适的模型和方法进行分析。
arima112模型怎么用
1、曲线拟合过程。
2、【分析】，【回归】，【曲线估计】，选择相应变量和拟合模型，得到结果，拟合效果较好。
3、利用指数模型进行预测。
4、首先按照传统的操作方法，n代表了x，y的个数，所以要对n实行加权个案处理。
5、这个时候再对x统计分析发现：数据显示有171个，接着进行线性回归