SARIMA-prognos
I föregående övning bekräftade du att en SARIMA \((1,1,1)\) x \((0,1,1)_{12}\)-modell passade CO\(_2\)-tidsserien väl, genom att använda diagnostikkontroll.
Nu är det dags att sätta modellen i arbete och göra framtida prognoser. Klimatforskare säger att vi har till 2030 på oss att drastiskt minska våra CO\(_2\)-utsläpp, annars riskerar vi stora samhällsutmaningar.
I den här övningen prognostiserar du CO\(_2\)-tidsserien fram till år 2030 för att se vilka CO\(_2\)-nivåer vi kan förvänta oss om vi fortsätter som vanligt.
Resultatobjektet från den tränade modellen finns tillgängligt i din miljö som results.
Den här övningen är en del av kursen
ARIMA-modeller i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create forecast object
forecast_object = results.____
# Extract predicted mean attribute
mean = ____
# Calculate the confidence intervals
conf_int = ____
# Extract the forecast dates
dates = mean.index