1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modele ARIMA w Pythonie
Connected

ćwiczenie

Prognoza SARIMA

W poprzednim ćwiczeniu potwierdziłeś/potwierdziłaś, że model SARIMA \((1,1,1)\) x \((0,1,1)_{12}\) dobrze dopasowuje się do szeregu czasowego CO\(_2\), korzystając z diagnostyki modelu.

Teraz czas zastosować ten model w praktyce i sporządzić prognozy na przyszłość. Naukowcy zajmujący się klimatem ostrzegają, że mamy czas tylko do 2030 roku, aby drastycznie ograniczyć emisję CO\(_2\) – inaczej czekają nas poważne wyzwania społeczne.

W tym ćwiczeniu wykonasz prognozę szeregu czasowego CO\(_2\) do roku 2030, aby sprawdzić, jakie poziomy CO\(_2\) osiągniemy, jeśli emisje będą nadal rosły w dotychczasowym tempie.

Wytrenowany obiekt wyników modelu jest dostępny w twoim środowisku jako results.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Utwórz obiekt prognozy na kolejne 136 kroków – tyle miesięcy pozostało do stycznia 2030 roku.
  • Przypisz .predicted_mean prognozy do zmiennej mean.
  • Oblicz przedziały ufności i przypisz ten DataFrame do zmiennej conf_int.