【销售预测 ARIMA模型】ARIMA模型预测每天的销售额

输入数据txt格式:
2017-05-01 100
2017-05-02 200
…….

python 实现arima:

# encoding: utf-8

"""
function:时间序列预测ARIMA模型预测每天的销售额
author:dongli
date:2018-05-25
"""


# 导入库
import numpy as np  # numpy库
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf  # acf和pacf展示库
from statsmodels.tsa.stattools import adfuller  # adf检验库
from statsmodels.stats.diagnostic import acorr_ljungbox  # 随机性检验库
from statsmodels.tsa.arima_model import ARMA  # ARMA库
import matplotlib.pyplot as plt  # matplotlib图形展示库
import prettytable  # 导入表格库
import pandas as pd  #导入数据处理库
from datetime import datetime,timedelta #导入时间库
import warnings
import time
time1=time.time()
from sklearn.externals import joblib  #模型导出
# 忽略提醒
warnings.filterwarnings("ignore")


# 把字符串转成datetime
def string_toDatetime(string):
    '''
    :param string: 日期字符串
    :return: 返回日期格式数据
    '''

    return datetime.strptime(string, "%Y-%m-%d")

# 定义一个日期列表
def datelist(beginDate, endDate):
    '''
    :beginDate string: 日期字符串
    :endDate string: 日期字符串
    :return: 返回日期格式列表
    '''
    # beginDate, endDate是形如‘20160601’的字符串或datetime 2018-04-23格式
    date_l=[datetime.strftime(x,'%Y-%m-%d') for x in list(pd.date_range(start=beginDate, end=endDate))]
    return date_l


# 多次用到的表格
def pre_table(table_name, table_rows):
    '''
    :param table_name: 表格名称,字符串列表
    :param table_rows: 表格内容,嵌套列表
    :return: 展示表格对象
    '''
    table = prettytable.PrettyTable()  # 创建表格实例
    table.field_names = table_name  # 定义表格列名
    for i in table_rows:  # 循环读多条数据
        table.add_row(i)  # 增加数据
    return table


# 数据平稳处理
def get_best_log(ts, max_log=5, rule1=True, rule2=True):
    '''
    :param ts: 时间序列数据,Series类型
    :param max_log: 最大log处理的次数,int型
    :param rule1: rule1规则布尔值,布尔型
    :param rule2: rule2规则布尔值,布尔型
    :return: 达到平稳处理的最佳次数值和处理后的时间序列
    '''
    if rule1 and rule2:  # 如果两个规则同时满足
        return 0, ts  # 直接返回0和原始时间序列数据
    else:  # 只要有一个规则不满足
        for i in range(1, max_log):  # 循环做log处理
            ts = np.log(ts)  # log处理
            adf, pvalue1, usedlag, nobs, critical_values, icbest = adfuller(ts)  # 稳定性(ADF)检验
            lbvalue, pvalue2 = acorr_ljungbox(ts, lags=1)  # 白噪声(随机性)检验
            rule_1 = (adf < critical_values['1%'] and adf < critical_values['5%'] and adf < critical_values['10%'] and pvalue1 < 0.01)  # 稳定性(ADF)检验规则
            rule_2 = (pvalue2 < 0.05)  # 白噪声(随机性)规则
            rule_3 = (i < 5)
            if rule_1 and rule_2 and rule_3:  # 如果同时满足条件
                # print ('The best log n is: {0}'.format(i))  # 打印输出最佳次数
                return i, ts  # 返回最佳次数和处理后的时间序列



# 还原经过平稳处理的数据
def recover_log(ts, log_n):
    '''
    :param ts: 经过log方法平稳处理的时间序列,Series类型
    :param log_n: log方法处理的次数,int型
    :return: 还原后的时间序列
    '''
    for i in range(1, log_n + 1):  # 循环多次
        ts = np.exp(ts)  # log方法还原
    return ts  # 返回时间序列



# 稳定性(ADF)检验
def adf_val(ts, ts_title, acf_title, pacf_title):
    '''
    :param ts: 时间序列数据,Series类型
    :param ts_title: 时间序列图的标题名称,字符串
    :param acf_title: acf图的标题名称,字符串
    :param pacf_title: pacf图的标题名称,字符串
    :return: adf值、adf的p值、三种状态的检验值
    '''
    # plt.figure()
    # plt.plot(ts)  # 时间序列图
    # plt.title(ts_title)  # 时间序列标题
    # plt.show()
    # plot_acf(ts, lags=20, title=acf_title).show()  # 自相关检测
    # plot_pacf(ts, lags=20, title=pacf_title).show()  # 偏相关检测
    adf, pvalue, usedlag, nobs, critical_values, icbest = adfuller(ts)  # 稳定性(ADF)检验
    table_name = ['adf', 'pvalue', 'usedlag', 'nobs', 'critical_values', 'icbest']  # 表格列名列表
    table_rows = [[adf, pvalue, usedlag, nobs, critical_values, icbest]]  # 表格行数据,嵌套列表
    adf_table = pre_table(table_name, table_rows)  # 获得平稳性展示表格对象
    # print ('stochastic score')  # 打印标题
    # print (adf_table)  # 打印展示表格
    return adf, pvalue, critical_values,  # 返回adf值、adf的p值、三种状态的检验值



# 白噪声(随机性)检验
def acorr_val(ts):
    '''
    :param ts: 时间序列数据,Series类型
    :return: 白噪声检验的P值和展示数据表格对象
    '''
    lbvalue, pvalue = acorr_ljungbox(ts, lags=1)  # 白噪声检验结果
    table_name = ['lbvalue', 'pvalue']  # 表格列名列表
    table_rows = [[lbvalue, pvalue]]  # 表格行数据,嵌套列表
    acorr_ljungbox_table = pre_table(table_name, table_rows)  # 获得白噪声检验展示表格对象
    # print ('stationarity score')  # 打印标题
    # print (acorr_ljungbox_table)  # 打印展示表格
    return pvalue  # 返回白噪声检验的P值和展示数据表格对象


# arma最优模型训练
def arma_fit(ts):
    '''
    :param ts: 时间序列数据,Series类型
    :return: 最优状态下的p值、q值、arma模型对象、pdq数据框和展示参数表格对象
    '''
    max_count = int(len(ts) / 10)  # 最大循环次数最大定义为记录数的10%
    bic = float('inf')  # 初始值为正无穷
    tmp_score = []  # 临时p、q、aic、bic和hqic的值的列表
    for tmp_p in range(max_count + 1):  # p循环max_count+1次
        for tmp_q in range(max_count + 1):  # q循环max_count+1次
            model = ARMA(ts, order=(tmp_p, tmp_q))  # 创建ARMA模型对象
            try:
                results_ARMA = model.fit(disp=-1, method='css')  # ARMA模型训练
            except:
                continue  # 遇到报错继续
            finally:
                tmp_aic = results_ARMA.aic  # 模型的获得aic
                tmp_bic = results_ARMA.bic  # 模型的获得bic
                tmp_hqic = results_ARMA.hqic  # 模型的获得hqic
                tmp_score.append([tmp_p, tmp_q, tmp_aic, tmp_bic, tmp_hqic])  # 追加每个模型的训练参数和结果
                if tmp_bic < bic:  # 如果模型bic小于最小值,那么获得最优模型ARMA的下列参数:
                    p = tmp_p  # 最优模型ARMA的p值
                    q = tmp_q  # 最优模型ARMA的q值
                    model_arma = results_ARMA  # 最优模型ARMA的模型对象
                    aic = tmp_bic  # 最优模型ARMA的aic
                    bic = tmp_bic  # 最优模型ARMA的bic
                    hqic = tmp_bic  # 最优模型ARMA的hqic
    pdq_metrix = np.array(tmp_score)  # 将嵌套列表转换为矩阵
    pdq_pd = pd.DataFrame(pdq_metrix, columns=['p', 'q', 'aic', 'bic', 'hqic'])  # 基于矩阵创建数据框
    table_name = ['p', 'q', 'aic', 'bic', 'hqic']  # 表格列名列表
    table_rows = [[p, q, aic, bic, hqic]]  # 表格行数据,嵌套列表
    parameter_table = pre_table(table_name, table_rows)  # 获得最佳ARMA模型结果展示表格对象
    # print ('each p/q traning record')  # 打印标题
    # print (pdq_pd)  # 打印输出每次ARMA拟合结果,包含p、d、q以及对应的AIC、BIC、HQIC
    # print ('best p and q')  # 打印标题
    # print (parameter_table)  # 输出最佳ARMA模型结果展示表格对象
    return model_arma  # 最优状态下的arma模型对象


# 模型训练和效果评估
def train_test(model_arma, ts, log_n, rule1=True, rule2=True):
    '''
    :param model_arma: 最优ARMA模型对象
    :param ts: 时间序列数据,Series类型
    :param log_n: 平稳性处理的log的次数,int型
    :param rule1: rule1规则布尔值,布尔型
    :param rule2: rule2规则布尔值,布尔型
    :return: 还原后的时间序列
    '''
    train_predict = model_arma.predict()  # 得到训练集的预测时间序列
    if not (rule1 and rule2):  # 如果两个条件有任意一个不满足
        train_predict = recover_log(train_predict, log_n)  # 恢复平稳性处理前的真实时间序列值
        ts = recover_log(ts, log_n)  # 时间序列还原处理
    ts_data_new = ts[train_predict.index]  # 将原始时间序列数据的长度与预测的周期对齐
    RMSE = np.sqrt(np.sum((train_predict - ts_data_new) ** 2) / ts_data_new.size)  # 求RMSE

    print("均方根误差为:%s" %RMSE)
    # # 对比训练集的预测和真实数据
    # plt.figure()  # 创建画布
    # train_predict.plot(label='predicted data', style='--')  # 以虚线展示预测数据
    # ts_data_new.plot(label='raw data')  # 以实线展示原始数据
    # plt.legend(loc='best')  # 设置图例位置
    # plt.title('raw data and predicted data with RMSE of %.2f' % RMSE)  # 设置标题
    # plt.show()  # 展示图像
    return ts  # 返回还原后的时间序列


# 预测未来指定时间项的数据
def predict_data(model_arma, ts, log_n,start, end,rule1=True, rule2=True):
    '''
    :param model_arma: 最优ARMA模型对象
    :param ts: 时间序列数据,Series类型
    :param log_n: 平稳性处理的log的次数,int型
    :param start: 要预测数据的开始时间索引
    :param end: 要预测数据的结束时间索引
    :param rule1: rule1规则布尔值,布尔型
    :param rule2: rule2规则布尔值,布尔型
    :return: 无
    '''

    m1=string_toDatetime(end)-string_toDatetime(start)
    # 预测未来指定时间项的数据
    predict_ts = model_arma.predict(start=len(ts)-5, end=len(ts)+m1.days+1)
    beginDate =ts.index[len(ts)-6]
    endDate = string_toDatetime(end)
    m = datelist(beginDate, endDate)
    # print(m)
    print ('-----------predict data----------')  # 打印标题
    if not (rule1 and rule2):  # 如果两个条件有任意一个不满足
        predict_ts = recover_log(predict_ts, log_n)  # 还原数据

    predict_ts_dataframe=pd.DataFrame(predict_ts,columns = ['number'])

    # print(predict_ts_dataframe)
    predict_ts_dataframe['day']=m


    pre_result=predict_ts_dataframe[predict_ts_dataframe['day']>=start]
    kk=list(pre_result.loc[:,'number'].apply(lambda x: x*10))
    # 展示预测数据
    pre_result2=pd.DataFrame({"day":pre_result['day'],"number":kk})
    print(pre_result2)

    #####输出csv
    pre_result2.to_csv("C:\\Users\\xiaohu\\Desktop\\销售数据预测\\训练数据\\pre_result2.csv", index=False)





if __name__ == '__main__':

    # 读取数据
    # date_parse = lambda dates: pd.datetime.strptime(dates, '%Y/%m/%d')  # 创建解析列的功能对象
    # df = pd.read_table('C:\\Users\\xiaohu\\Desktop\销售数据预测\\训练数据\\train_2018.txt', delimiter='\t', index_col='date', date_parser=date_parse)  # 读取数据

    # 读取数据
    date_parse = lambda dates: pd.datetime.strptime(dates, '%Y-%m-%d')  # 创建解析列的功能对象
    df = pd.read_table('C:\\Users\\xiaohu\\Desktop\\book\\chapter4\\time_series4.txt', delimiter='\t', index_col='date',date_parser=date_parse)  # 读取数据



    # print(df)

    ts_data = df['number'].astype('float32')  # 将列转换为float32类型
    # print ('data summary')  # 打印标题
    # print (ts_data.describe())  # 打印输出时间序列数据概况



    # 原始数据检验
    adf, pvalue1, critical_values = adf_val(ts_data, 'raw time series', 'raw acf', 'raw pacf')  # 稳定性检验
    pvalue2 = acorr_val(ts_data)  # 白噪声检验


    # 创建用于区分是否进行平稳性处理的规则
    rule1 = (adf < critical_values['1%'] and adf < critical_values['5%'] and adf < critical_values[
        '10%'] and pvalue1 < 0.01)  # 稳定性检验
    rule2 = (pvalue2[0,] < 0.05)  # 白噪声检验






    # 对时间序列做稳定性处理
    log_n, ts_data = get_best_log(ts_data, max_log=5, rule1=rule1, rule2=rule2)
    # 再次做检验
    adf, pvalue1, critical_values = adf_val(ts_data, 'final time series', 'final acf', 'final pacf')  # 稳定性检验
    pvalue2 = acorr_val(ts_data)  # 白噪声检验




    # 训练最佳ARMA模型并输出相关参数和对象
   # model_arma = arma_fit(ts_data)


    # sklearn中提供了高效的模型持久化模块joblib,将模型保存至硬盘。
    #joblib.dump(model_arma, 'C:\\Users\\xiaohu\\Desktop\\销售数据预测\\训练数据\\model_arma_day.model')# 模型导出
    model_arma = joblib.load('C:\\Users\\xiaohu\\Desktop\\销售数据预测\\训练数据\\model_arma_day.model')# 模型导入
    #


    # 模型训练和效果评估
    ts_data = train_test(model_arma, ts_data, log_n, rule1=rule1, rule2=rule2)
    # print(ts_data)


    # # 模型预测应用
    start ='2018-06-04'  # 设置预测开始的时间索引
    end ='2018-06-10'  # 设置预测结束的时间索引
    predict_data(model_arma, ts_data, log_n,start,end ,rule1=rule1, rule2=rule2)  # 预测时间序列数据

    time2=time.time()
    print('总共耗时:' + str(time2 - time1) + 's')
已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页