SARIMAXモデルでPVを予測してみる

北海道電力の推定した時にSARIMAXモデルを使って予測したのですが、SARIMAXモデルでARMAモデルで予測したPVも予測できるんじゃないの?と思ったので試してみました。

■季節調整済みARIMAモデルで電力使用状況を推定してみる
http://jbclub.xii.jp/?p=695

■季節調整済みARIMAモデルで電力使用状況を推定してみる part2 予測表示
http://jbclub.xii.jp/?p=718

%pylab
import pandas as pd
import pandas_datareader.data as pdr
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.api as sm
import seaborn as sns

df = pd.read_csv("C:\\Users\\jbc20170101-20170228.csv",skiprows=1, names=['Date', 'PV']).dropna()
tmd = pd.to_datetime(df['Date'])
df.index = tmd
del df["Date"]
df.plot()

plt.close()

arma_mod0107 = sm.tsa.ARMA(df['PV'], order=(1,7))
arma_res0107 = arma_mod0107.fit(trend='nc',disp=False) 

sarimax_mod17 = sm.tsa.statespace.SARIMAX(df['PV'], trend='n', order=(1,0,7))
sarimax_res17 = sarimax_mod17.fit(trend='nc',disp=False) 

前回、ARMA(1,7)モデルでグラフにしてみたのでSARIMAX(1,0,7)で試してみました。

print (arma_res0107.aic,arma_res0107.bic)
print (sarimax_res17.aic,sarimax_res17.bic)

481.15822431206027 498.719417779
480.311313145 497.872506612

ARMA(1,7)とSARIMAX(1,0,7)のAICとBICを比較してみると、値が異なる結果となりました。同じ値になると予想していたのですが。「trend」のパラメータは「n」「c」「t」「ct」があってそれぞれ試して見たのですが同じ値にはなりませんでした。

sarimax_mod17ct = sm.tsa.statespace.SARIMAX(df['PV'], trend='ct', order=(1,0,7))
sarimax_res17ct = sarimax_mod17ct.fit(trend='nc',disp=False) 
print (sarimax_res17ct.aic,sarimax_res17ct.bic)

472.491043427 493.954724331

今回、「ct」が一番よい結果となったので「ct」でグラフにしてみます。

予測の値を取得します。

# Dynamic predictions
predict_dy = sarimax_res17ct.get_prediction(start='2017-01-01', end='2017/3/15',dynamic='2017/2/21')
predict_dy_ci = predict_dy.conf_int()

グラフにします。

# Graph
fig, ax = plt.subplots()
ax.set(title='JBClub.xii.jp PV', xlabel='Date', ylabel='PV')

# Plot data points
df.ix['2017/1/1':, 'PV'].plot(ax=ax, style='b', label='Value')

# Plot predictions
predict_dy.predicted_mean.ix['2017/2/21':].plot(ax=ax, style='g', label='Dynamic forecast')
ci = predict_dy_ci.ix['2017/2/21':]
ax.fill_between(ci.index, ci.ix[:,0], ci.ix[:,1], color='g', alpha=0.1)

legend = ax.legend(loc='lower right')

トレンドを含め予測された結果となりました。

ところで、パラメータがよくわからないまま使っているところがありました。サンプルを見てそのまま使ってみたのですが、例えば

 arma_mod0107.fit(trend='nc',disp=False) 

の「trend=’nc’」とか「disp=False」とかなんぞや?って感じなんですが、設定しないとエラーになるし、よくわかりませんでした。パラメータについてはもう少し調べてみたいと思います。

※参考
■statsmodels.tsa.arima_model.ARMA
http://statsmodels.sourceforge.net/devel/generated/statsmodels.tsa.arima_model.ARMA.html
■statsmodels.tsa.statespace.sarimax.SARIMAX
http://www.statsmodels.org/dev/generated/statsmodels.tsa.statespace.sarimax.SARIMAX.html

関連する投稿:

コメントを残す

メールアドレスが公開されることはありません。

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください