将反向预测值转换为原始比例（使用python arima模型进行预测）

我想用ARIMA模型做一些预测。我无法将我的预测转换回原始规模。这是我的密码。 有人能帮我找到脚本中的错误吗？我会非常感激的谢谢你

from statsmodels.tsa.arima_model import ARIMA

#arima model
model=ARIMA(ts_logscale,order=(2,1,2))
results_ARIMA=model.fit(disp=-1)
plt.plot(datasetlogdiffshifting)
plt.plot(results_ARIMA.fittedvalues,color='red')
plt.title('RSS: %.4f'% sum((results_ARIMA.fittedvalues-datasetlogdiffshifting["Chargé (T)"])**2))
print('plotting ARIMA model')

现在，当我尝试转换回：

#converting back
#creating a time serie
predictions_ARIMA_diff=pd.Series(results_ARIMA.fittedvalues,copy=True)
#convert to cumulative sum
predictions_ARIMA_diff_cumsum=predictions_ARIMA_diff.cumsum()

predictions_ARIMA_log=pd.Series(ts_logscale['Chargé (T)'].ix[0],index=ts_logscale.index)
predictions_ARIMA_log=(predictions_ARIMA_log).add(predictions_ARIMA_diff_cumsum,fill_value=0)
#plotting
predictions_ARIMA=np.exp(predictions_ARIMA_log)
plt.plot(ts,color='blue')
plt.plot(predictions_ARIMA,color='red')

---

正如你所看到的，它和第一个情节非常不同

ARIMA 2,1,2：是一个具有两个2自回归项、一个1后移算子和两个2移动平均项的模型。现在，当您应用一个1 back shift运算符时，您不必担心，因为statsmodels将转换回您的预测，因此，这里唯一的问题是您之前所做的日志转换，为此，只需使用np.exp对您的预测和问题进行解决

ARIMA 2,1,2：是一个具有两个2自回归项、一个1后移算子和两个2移动平均项的模型。现在，当您应用一个1 back shift运算符时，您不必担心，因为statsmodels将转换回您的预测，因此，这里唯一的问题是您之前所做的日志转换，为此，只需使用np.exp对您的预测和问题进行解决

我已经尝试过这个预测，但它比before@OumaymaRiahi你必须考虑当你使用RESULTS.ARIMA.FITTED值时，后移运算符已经被取出，所以现在唯一的转换是日志一。也就是说，要将对数转换回正常值，应该应用np.exp。你怎么知道ARIMA2,1,2很适合你的数据？我绘制了ACF和PACF@OumaymaRiahi日志转换数据或原始数据的ACF和PACF？@Snedecor AR和MA术语都可以用反移位运算符编写，因此您对ARIMA2,1,2模型的描述，特别是关于d参数的部分有点令人困惑。ARIMA2,1,2是一个具有2个AR项、1个差分阶数和2个MA项的模型。我尝试过这种预测=np.expresults\u ARIMA.fittedvalues，但它比before@OumaymaRiahi您必须考虑当使用RESULTS.ARIMA.FITTED值时，已经移走了后退操作符，现在唯一剩下的转换是log转换。也就是说，要将对数转换回正常值，应该应用np.exp。你怎么知道ARIMA2,1,2很适合你的数据？我绘制了ACF和PACF@OumaymaRiahi日志转换数据或原始数据的ACF和PACF？@Snedecor AR和MA术语都可以用反移位运算符编写，因此您对ARIMA2,1,2模型的描述，特别是关于d参数的部分有点令人困惑。ARIMA2,1,2是一个具有2个AR项、1个差分阶数和2个MA项的模型。