用pastas时间序列模型进行预测

Question

在我的论文项目中，我试图应用粒子过滤器来预测地下水位，该过滤器使用天气预报数据(特别是降雨和蒸发的毫米)。作为粒子过滤过程的一部分，我需要根据这个天气预报数据对地下水位进行预测，我想用一个过去的模型来做。

目前，我已经训练了一个意大利面模型如下：

import pastas as ps

# set up model
model = ps.Model(gwml_train.gws)

# add stresses information
rain = ps.StressModel(wm_train.RH, ps.Gamma, name='rain', settings="prec")
evap = ps.StressModel(wm_train.EV, ps.Gamma, name='evap', settings="evap")
model.add_stressmodel(rain)
model.add_stressmodel(evap)

# solve model
model.solve()

其中gwml_train是1-1-2018年到1-1-2019年的地下水位数据，wm_train是同一数据的天气测量数据。Rh是降雨，EV是蒸发。

该模型解释了结合气象测量给出的地下水位测量结果。我想做的是，对一个没有进行地下水位测量但有天气测量的时期进行预测。

具体来说，我使用的是一个循环，它对1-1-2019年期间的每一天做出30天的预测，直到1-3-2019年。每天我都会得到一个数据集，上面有当天30天的天气预报.我想做的是，把这个天气预报数据加到模型中，然后用它来预测这30天的地下水位。有办法这样做吗？

将数据添加到solve()不起作用，simulate()方法不接受任何数据。

这个问题是由一个用户通过邮件发送给我的。我把它贴在这里是为了在上面添加一个意大利面的问题。

编辑:更新的问题与用户的解释。

Answer 1

假设我们已经建立了一个以降水和蒸发为重点的意大利面食模型ml。通过在ml.solve()中指定时间段来优化特定时间段上的timeseries模型

ml.solve(tmin="2010", tmax="2020")

要模拟特定的时间段，请在ml.simulate()中使用相同的tmin/tmax选项。因此，对于2020年1月地下水位的预测：

sim  = ml.simulate(tmin="2020-01-01", tmax="2020-01-31")

sim是一个包含模拟地下水位的pandas.Series。请注意，降水量和蒸发时间序列确实需要您要模拟的期间的数据，否则模型将使用时间序列的平均值来计算地下水位。