sparkts的ARIMA.fitModel方法如何使用

`ARIMA.fitModel` 方法用于训练 ARIMA 模型，其使用方法如下：

import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.stat.TimeSeriesStatisticalTests
import org.apache.spark.mllib.stat.correlation.PearsonCorrelation
import org.apache.spark.mllib.stat.distribution.MultivariateGaussian
import org.apache.spark.mllib.stat.test.{ChiSqTestResult, KolmogorovSmirnovTestResult}
import org.apache.spark.mllib.stat.{MultivariateStatisticalSummary, Statistics}
import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.functions._
import org.apache.spark.sql.types.{DoubleType, StringType, StructField, StructType}
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.mllib.linalg.{Vector, Vectors}
import org.apache.spark.mllib.stat.{MultivariateStatisticalSummary, Statistics}
import org.apache.spark.mllib.stat.arima.{ARIMA, ARIMAModel}

val data = Seq(
  1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0
)
val rdd = sc.parallelize(data)

// 训练 ARIMA 模型
val arimaModel = ARIMA.fitModel(1, 1, 1, rdd)

// 预测下一个值
val forecasted = arimaModel.forecast(rdd, 1)

其中，`ARIMA.fitModel` 方法的参数包括：

- p：自回归阶数
- d：差分阶数
- q：移动平均阶数
- ts：时间序列数据，类型为 `RDD[Double]`

`ARIMA.fitModel` 方法返回一个 `ARIMAModel` 对象，可以使用该对象进行预测等操作。