基于python的数学建模---时间序列

最新推荐文章于 2024-09-09 13:42:18 发布

今天也很努力的在学习啦

最新推荐文章于 2024-09-09 13:42:18 发布

阅读量767

点赞数 1

分类专栏：人工智能文章标签： python 机器学习人工智能

本文链接：https://blog.csdn.net/gp0002222/article/details/127622048

版权

本文介绍了使用Python进行时间序列分析的7种方法，包括朴素法、简单平均法、移动平均法、简单指数平滑法、霍尔特线性趋势法、Holt-Winters季节性预测模型以及ARIMA模型，应用于JetRail高铁乘客量预测，通过均方根误差评估预测效果。

摘要由CSDN通过智能技术生成

JetRail高铁乘客量预测——7种时间序列方法

数据获取：获得2012-2014两年每小时乘客数量

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.read_csv('C:\\Users\\Style\\Desktop\\jetrail.csv', nrows=11856)
df.head()
print(df.head())

从2012年8月—2013年12月的数据中构造一个数据集

创建train and test文件用于建模。前14个月（2012年8月—2013年10月）用作训练数据，后两个月（2013年11月—2013年12月）用作测试数据。

以每天为单位聚合数据集

import pandas as pd
import matplotlib.pyplot as plt
 
df = pd.read_csv('../profile/train2.csv',nrows=11856)

train = df[0:10392]  # 前14个月 一共10392个小时
test = df[10392:]
    　　                             #上表中的 datatime
df['Timestamp'] = pd.to_datetime(df['Datetime'], format='%d-%m-%Y %H:%M')  # 4位年用Y，2位年用y
df.index = df['Timestamp']
df = df.resample('D').mean() #按日历采样，计算均值
 
train['Timestamp'] = pd.to_datetime(train['Datetime'], format='%d-%m-%Y %H:%M')
train.index = train['Timestamp']
train = train.resample('D').mean() 
 
test['Timestamp'] = pd.to_datetime(test['Datetime'], format='%d-%m-%Y %H:%M')
test.index = test['Timestamp']
test = test.resample('D').mean()
 

train.Count.plot(figsize=(15,8), title= 'Daily Ridership', fontsize=14)
test.Count.plot(figsize=(15,8), title= 'Daily Ridership', fontsize=14)
plt.show()

结果如下大致成上升趋势