SARIMA-SVM组合模型预测代码

以下是 SARIMA-SVM 组合模型的预测代码示例：

# 导入相关库
from statsmodels.tsa.statespace.sarimax import SARIMAX
from sklearn.svm import SVR
from sklearn.metrics import mean_squared_error
import pandas as pd
import numpy as np

# 加载数据
data = pd.read_csv('data.csv', index_col=[0], parse_dates=[0])

# 拆分训练集和测试集
train_data = data[:'2019']
test_data = data['2020':]

# SARIMA 模型训练
sarima_model = SARIMAX(train_data, order=(1, 1, 1), seasonal_order=(0, 1, 1, 12))
sarima_results = sarima_model.fit()

# SARIMA 模型预测
sarima_pred = sarima_results.predict(start='2020-01-01', end='2020-12-01', dynamic=True)

# SVM 模型训练
svm_model = SVR(kernel='rbf', C=100, gamma=0.1, epsilon=.1)
svm_model.fit(np.array(train_data.index).reshape(-1, 1), np.array(train_data))

# SVM 模型预测
svm_pred = svm_model.predict(np.array(test_data.index).reshape(-1, 1))

# 组合模型预测
combined_pred = sarima_pred + svm_pred

# 计算 MSE
mse = mean_squared_error(test_data, combined_pred)
print('MSE:', mse)

这段代码实现了 SARIMA-SVM 组合模型的预测，其中使用 SARIMA 模型对训练集进行拟合并预测未来一年的数据，使用 SVM 模型对训练集进行拟合并预测测试集的数据，最后将两个模型的预测结果相加得到最终的预测值，并计算 MSE 评估模型的预测能力。