import pandas as pd
import numpy as np
from statsmodels.tsa.arima_model import ARIMA
# 读取数据
value=[117.2 , 224.2 , 258.0 , 292.1 , 400.1 , 509.9 , 626.8 , 722.9 , 826.1 , 883.6,916.6, 1032.1, 1151.2, 1273.4 ,1391.8, 1499.2, 1532.5 ,1565.9 ,1690.9, 1813.6,1961.4 ,2102.8 ,2208.2, 2256.8, 2290.8 ,2413.7, 2569.4 ,2730.3, 2882.9 ,2977.5, 117.2 , 224.2 , 258.0 , 292.1 , 400.1 , 509.9 , 626.8 , 722.9 , 826.1 , 883.6,916.6, 1032.1, 1151.2, 1273.4 ,1391.8, 1499.2, 1532.5 ,1565.9 ,1690.9, 1813.6,1961.4 ,2102.8 ,2208.2, 2256.8, 2290.8 ,2413.7, 2569.4 ,2730.3, 2882.9 ,2977.5]
#value = pd.read_csv('value.csv')
# 将数据转换为时间序列格式
#value = value['value']
#value.dt.name = 'date'
#value = value.set_index('date')
# 创建时间序列对象
sensor = pd.Series(value)
# 应用 ARIMA 模型进行拟合
model = ARIMA(sensor, order=(1,1,1))
model_fit = model.fit()
#sensor = sensor.set_index('date', inplace&
ARIMA预测中怎么设置输入起点终点和起点的值作为输入?
最新推荐文章于 2024-08-29 21:08:52 发布
这段代码导入了pandas,numpy和ARIMA模型,对给定的数据进行时间序列分析。首先读取数据,然后创建一个时间序列对象并用ARIMA模型拟合。接着,它预测了未来30期的数据,并准备将预测结果输出到CSV文件。然而,代码似乎存在一些未处理的注释和可能的错误,例如数据没有正确设置为时间序列格式和未定义的变量start_date。
摘要由CSDN通过智能技术生成