输入数据为83列特征，30天时间序列的数组；已知多组83*30的输入和输出数据，利用时间序列预测的算法建立预测模型，输出python相关建模程序代码

好的，以下是针对这个问题的Python程序代码：

import numpy as np
import pandas as pd
import statsmodels.api as sm

# 读取数据
data = np.loadtxt("data.txt")

# 将数据转换为时间序列格式
data = pd.DataFrame(data)
data.columns = ["feature_" + str(i+1) for i in range(data.shape[1]-1)] + ["output"]
data["output"] = pd.to_numeric(data["output"])
data.set_index(pd.date_range(start="2021-01-01", periods=data.shape[0], freq="D"), inplace=True)

# 分割训练集和测试集
train_size = int(data.shape[0] * 0.8)
train_data = data.iloc[:train_size, :]
test_data = data.iloc[train_size:, :]

# 建立ARIMA模型
model = sm.tsa.ARIMA(train_data["output"], order=(1, 1, 0), exog=train_data.iloc[:, :-1])
result = model.fit(disp=False)

# 预测未来30天的输出
new_data = test_data.iloc[:, :-1]
pred = result.predict(start=test_data.index[0], end=test_data.index[-1], exog=new_data)

# 输出预测结果
print(pred)

以上代码假设输入数据已经保存在data.txt文件中，第一列为时间，后面83列为特征，最后一列为输出。代码中使用了ARIMA模型进行建模和预测，并将数据分割为训练集和测试集。可以根据实际情况进行修改和调整。