季节指数预测模型实例代码

季节指数预测模型有两种变体，加法方法和乘法方法。加法方法适用于季节变化在整个系列中大致恒定的情况，而乘法方法适用于季节变化与系列水平成比例变化的情况。下面是使用加法方法的季节指数预测模型的示例代码：

from statsmodels.tsa.holtwinters import ExponentialSmoothing
from random import random

# 构造数据集
data = [x + random() for x in range(1, 100)]

# 拟合模型
model = ExponentialSmoothing(data, seasonal='additive')
model_fit = model.fit()

# 进行预测
yhat = model_fit.predict(len(data), len(data))
print(yhat)

而下面是使用乘法方法的季节指数预测模型的示例代码：

from statsmodels.tsa.holtwinters import ExponentialSmoothing
from random import random

# 构造数据集
data = [x * random() for x in range(1, 100)]

# 拟合模型
model = ExponentialSmoothing(data, seasonal='multiplicative')
model_fit = model.fit()

# 进行预测
yhat = model_fit.predict(len(data), len(data))
print(yhat)

这些代码示例使用了statsmodels库中的Holt-Winters季节指数预测模型。