ARIMA和SARIMAX的参数

Question

我正在用时间序列和预测做一个数据分析的项目。我有一个dataframe，其中包含了很多数据，我需要从其中处理Covid cases。数据文件看起来是这样的：

            Covid cases  Confirmed Infections Difference
date                                                    
2020-02-24           19                              NaN
2020-02-25            0                            -19.0
2020-02-26            0                              0.0
2020-02-27            1                              1.0
2020-02-28            2                              1.0
...                 ...                              ...
2021-02-25         1502                           -136.0
2021-02-26         1468                            -34.0
2021-02-27         1474                              6.0
2021-02-28          715                           -759.0
2021-03-01          298                           -417.0

为了进行预测，我使用了ARIMA模型(dataframe是平稳的)，然后我尝试将一条预测线应用到我的图形中。我使用了ARIMA和SARIMAX的一些参数，然后用熊猫打印图表。这条线是与时间序列相匹配的，但它并没有出现在线结束的地方。

代码：

def timeseries(dataframe, city_name):
    cols = ['ID', 'name']  # Creating columns to be dropped
    dataframe.drop(cols, axis=1, inplace=True)  # Dropping columns that I don't need
    dataframe.columns = ["date", "Covid cases"]
    dataframe.describe()
    dataframe.set_index('date', inplace=True)
    dataframe.plot(figsize=(15, 6))  # Setting figure size
    dataframe['Confirmed Infections Difference'] = dataframe['Covid cases'] - dataframe['Covid cases'].shift(1)
    adfuller_test(dataframe['Confirmed Infections Difference'].dropna())
    model = ARIMA(dataframe['Covid cases'], order=(1, 1, 1))
    model_fit = model.fit(disp=0)
    print(model_fit.summary())
    dataframe['forecast'] = model_fit.predict(start=90, end=103, dynamic=True)
    model = sm.tsa.statespace.SARIMAX(dataframe['Covid cases'], order=(1, 1, 1), seasonal_order=(1, 1, 1, 12))
    results = model.fit()
    dataframe['forecast'] = results.predict(start=90, end=103, dynamic=True)
    future_dates = [dataframe.index[-1] + DateOffset(months=x) for x in range(0, 24)]
    future_datest_df = pd.DataFrame(index=future_dates[1:], columns=dataframe.columns)

    future_datest_df.tail()

    future_df = pd.concat([dataframe, future_datest_df])

    future_df['forecast'] = results.predict(start=104, end=120, dynamic=True)
    future_df[['Covid cases', 'forecast']].plot(figsize=(12, 8))

这里是结果图：

​

​

因此，正如你所理解的那样，这个预测似乎没有得到正确的应用。我想这是我给ARIMA和SARIMAX的一些参数的问题。

期望图的一个例子：

​

​

提醒：date专栏几乎每一天都有。我想做的是未来几天的预报。

有什么想法吗？

Answer 1

在实现的几个步骤中，您将列dataframe['forecast']与新计算结果相等(除了对不同模型预测两次值，并将数据格式与同名列连接起来)：

print(model_fit.summary())
dataframe['forecast'] = model_fit.predict(start=90, end=103, dynamic=True)

# ...

dataframe['forecast'] = results.predict(start=90, end=103, dynamic=True)

# ...

future_df = pd.concat([dataframe, future_datest_df])

future_df['forecast'] = results.predict(start=104, end=120, dynamic=True)

请确保：

• --您没有完全用等式替换列值，而不是附加新的dataframe条目；
• --您正在获得正确的列，因为它们的名称类似。

。

我无法确保，因为我没有您的代码的全部结果，但是图中的错误可能来自于这些方面.