信号看起来像
原始信号
通过使用绘图(output.diff(((获得的差分信号看起来像这样的
差分信号
其次,通过对ACF和PACF 的分析,得到了ARIMA模型的参数
模型以以下方式拟合
模型=ARIMA(输出值,阶数=(2,1,1((
model_fit=model.fit(disp=0(
当我使用时
model_fit.plot_predict(dynamic=False(
plt.show((
太完美了!
使用plot_predict 的结果
但当我使用plt.plot(model_fit.prdict(dynamic=False((时
它给出了差分信号的预测
arima 预测结果
如果您使用的是型号sm.tsa.ARIMA
,那么您可以使用以下内容:
plt.plot(model_fit.predict(dynamic=False, typ='levels'))
然而,该模型已被弃用,并将在未来的Statsmodels版本中删除。为了与未来版本兼容,您可以使用新的ARIMA模型:
from statsmodels.tsa.arima.model import ARIMA
或
import statsmodels.api as sm
model = sm.tsa.arima.ARIMA(output.values, order=(2,1,1))
这个较新的模型将自动生成实际信号的预测和预测,因此在这种情况下不需要使用typ='levels'
。