Python 如何对指数衰减时间序列数据进行逆变换

我正在为时间序列数据实现一个ARIMA模型。由于数据不是固定的，我正在执行数据转换日志，并对数据执行指数衰减

记录数据

passenger_log = np.log(indexdf['#Passengers'])

然后执行对数序列的指数衰减

passenger_expdecay=passenger_log.ewm(halflife=12, min_periods=0, adjust=True).mean()
plt.plot(passenger_log)
plt.plot(passenger_expdecay, color='red')

ADCF测试表明，指数衰减序列（乘客衰减）的结果优于对数序列（乘客衰减）

我想使用指数序列作为ARIMA模型的输入，但我不知道如何执行ewm函数的求逆，以便在预测后，我可以执行逆变换以获得原始值

如果您将此应用为

import pandas as pd
passenger_log = np.log(indexdf['#Passengers'])
passen_log =  pd.DataFrame({'passenger_log_inf': passenger_log})
passenger_expdecay=df.ewm(halflife=12, min_periods=0, adjust=True).mean()
plt.plot(passenger_log)
plt.plot(passenger_expdecay, color='red')

---

我想这可能会有帮助…

我的问题是如何执行ewm函数的反转？当你在乘客日志上应用ewm来获取乘客日志时，如果你在乘客日志上应用ewm的inv，你会再次获取乘客日志吗？是的，这就是我要问的，我需要在预测后再次获取乘客日志，那么如何应用ewm的逆呢？