python利用时间序列模型通过过去13个月的每一个发货量,来预测接下来3个月的月发货量的代码
时间: 2024-01-26 11:02:52 浏览: 27
以下是一种可能的时间序列模型实现:
```python
import pandas as pd
from statsmodels.tsa.arima_model import ARIMA
# 加载数据
data = pd.read_csv('shipment.csv', header=None, names=['date', 'shipment'])
data['date'] = pd.to_datetime(data['date'], format='%Y-%m-%d')
data.set_index('date', inplace=True)
# 拟合模型
model = ARIMA(data, order=(1, 1, 1))
model_fit = model.fit(disp=False)
# 预测数据
forecast = model_fit.forecast(steps=3)
print(forecast)
```
该代码假设数据存储在名为`shipment.csv`的文件中,文件格式为:
```
2020-01-01, 100
2020-02-01, 120
2020-03-01, 130
...
```
其中第一列是日期,第二列是发货量。
代码中使用了 ARIMA 模型来拟合时间序列数据,参数 `(1, 1, 1)` 表示模型的阶数,即自回归阶数、差分阶数和移动平均阶数,可根据具体问题进行调整。然后用拟合好的模型进行预测,预测的步长为 3 个月。