python arima输出上下限

原创

mob64ca12d68df5 2023-11-27 08:27:54 ©著作权

文章标签 时间序列数据 Python 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者mob64ca12d68df5的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python中ARIMA模型输出上下限

ARIMA（自回归积分移动平均模型）是一种常用的时间序列分析方法，用于预测未来的数据点。与其他时间序列模型相比，ARIMA模型可以更好地捕捉时间序列数据的趋势和季节性。

在实际应用中，我们通常需要得到ARIMA模型的预测区间，以便评估预测结果的不确定性。下面我们将介绍如何使用Python中的ARIMA模型来输出预测结果的上下限。

准备工作

首先，我们需要安装相应的Python库。使用以下命令可以安装statsmodels库：

pip install statsmodels

ARIMA模型

ARIMA模型由三个部分组成：自回归（AR）、差分（I）和移动平均（MA）。参数p、d和q分别表示这三个部分的阶数。

我们先导入必要的库，并生成一个示例时间序列数据：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima.model import ARIMA

# 生成示例时间序列数据
np.random.seed(0)
data = pd.Series(np.random.randn(1000), index=pd.date_range('2000-01-01', periods=1000))
data = data.cumsum()

接下来，我们可以使用ARIMA类来拟合ARIMA模型，并进行预测。假设我们选择AR、I和MA的阶数分别为1、1和1，代码如下所示：

# 拟合ARIMA模型
model = ARIMA(data, order=(1, 1, 1))
model_fit = model.fit()

# 预测未来5个数据点
forecast, stderr, conf_int = model_fit.forecast(steps=5)

在上述代码中，forecast是预测的未来5个数据点，stderr是预测的标准误差，conf_int是预测的置信区间。

输出上下限

为了输出预测结果的上下限，我们可以使用置信区间。置信区间表示我们对真实值的估计范围。

下面的代码将绘制时间序列数据、预测结果以及上下限：

# 绘制时间序列数据
plt.plot(data, label='Observed')

# 绘制预测结果
plt.plot(forecast, label='Forecast')

# 绘制上下限
lower_limit = conf_int[:, 0]
upper_limit = conf_int[:, 1]
plt.fill_between(range(len(data), len(data) + len(forecast)), lower_limit, upper_limit, color='gray', alpha=0.3, label='Confidence Interval')

plt.legend()
plt.show()

在上述代码中，我们使用fill_between函数绘制了上下限区域，并使用alpha参数调整了透明度。运行代码后，将会显示时间序列数据、预测结果及其上下限。