Pronóstico SARIMA
En el ejercicio anterior confirmaste, mediante comprobaciones de diagnóstico, que un modelo SARIMA \((1,1,1)\) x \((0,1,1)_{12}\) se ajustaba bien a la serie temporal de CO\(_2\).
Ahora toca poner este modelo en práctica para hacer pronósticos. La comunidad científica del clima nos advierte de que, si no reducimos drásticamente nuestras emisiones de CO\(_2\) antes de 2030, afrontaremos grandes retos sociales.
En este ejercicio, vas a pronosticar la serie temporal de CO\(_2\) hasta el año 2030 para estimar los niveles de CO\(_2\) si seguimos emitiendo como hasta ahora.
El objeto de resultados del modelo entrenado está disponible en tu entorno como results.
Este ejercicio forma parte del curso
Modelos ARIMA en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Create forecast object
forecast_object = results.____
# Extract predicted mean attribute
mean = ____
# Calculate the confidence intervals
conf_int = ____
# Extract the forecast dates
dates = mean.index