重新调整ARIMA模型的预测

时间:2019-01-11 11:01:04

标签: python time-series

我是时间序列预测的新手。
我有一个非平稳时间序列,通过先取对数然后从指数加权均值中减去,将其转换为平稳时间序列。 。然后,我将该系列拟合为ARIMA模型并进行了预测(连续12个月)。现在,我必须将比例转换回原始比例。换句话说,我如何基本上重新调整预测值?

我尝试重新调整一个月的预测,然后再次计算最近6个月的ewma,并将此值添加到下个月的预测中,依此类推,我认为这不是非常有效。将系列转换为固定数据的代码:

airline_data_log = np.log(airline_data)
expweighted_avg = airline_data_log.ewm(halflife = 0.5).mean()
stationary_data = airline_data_log - expweighted_avg
model_ARIMA = sm.tsa.arima_model.ARIMA(stationary_data,order = (2,0,2))
p = result.forecast(steps = 12)
output = p[0]


ewma = expweighted_avg

现在,我想重新缩放输出。我尝试过这样的事情:

for i in range(0,12):
     forecasted_values.iloc[i][0] = forecasted_values.iloc[i][0] + 
     ewma.iloc[-1][0]
     airline_data_log = airline_data_log + forecasted_values_p.iloc[i]
     ewma = airline_data_log.ewm(halflife = 0.5).mean() 

我认为这是低效的,甚至可能是错误的。任何有效的方法(正确的方法)?

0 个答案:

没有答案