基于实际值的ARIMA预测

Question

我做了一个ARIMA模型来预测电力消耗。我还检测到最佳AR I和AM系数（1,0,6）。这些值每五分钟测量一次，并作为csv文件导入。 一天是时间序列建模，另一天是预测。 我的代码如下：

from statsmodels.tsa.arima_model import ARIMA
rcParams['figure.figsize'] = 15, 10
timeseries = df_5min['2010-07-06']
model = ARIMA(timeseries, order=(1,0,6))
result_AR = model.fit(disp=-1)
time_series_df = result_AR.fittedvalues

result_AR.plot_predict(1,600, alpha=0.05)
x = result_AR.forecast(steps=600)
plt.plot(linewidth=1, legend=None)
plt.ylabel('Verbrauch (W)')
plt.xlabel('Zeit (t)')
plt.show()

输出为

正如你所看到的，预测真的很糟糕。 ARIMA使用回归，因此它取最后一个值，并根据它们预测下一个值

我现在的问题是： 我还有预测日（7月7日至8日）的实际值。 现在我希望ARIMA仅预测接下来的六个步骤，例如，基于最后六个实际值。在预测了性步骤之后，它再次计算最后六个真实值，并根据它们预测接下来的六个

Answer 1

如果可能的话，您应该切换到使用SARIMAX模型，它有更多的功能，并且在未来会得到更好的支持（ARIMA模型将在下一个版本中被弃用）。所以你应该使用

from statsmodels.tsa.api import SARIMAX
model = SARIMAX(timeseries, order=(1, 0, 6))
...

然后，results对象将具有名为extend和append的方法，这些方法将允许您创建一个新的results对象，并使用新值进行扩展。"Cross-validation" section of this example notebook有一些使用extend的例子