ARIMAX多变量时间序列预测Python源码与数据集：课程设计实战

简介这是一套面向计算机相关专业学生与项目实战学习者的ARIMAX多变量预测模型完整资料适用于毕业设计、课程设计及期末大作业等场景尤其适合需要快速上手时间序列预测的初学者。资源包共8个文件包含2个Python源码文件、2个CSV数据集、2张运行结果截图以及README说明文档和.gitignore配置压缩包约148KB体积轻便下载后即可直接运行调试。其中源码涵盖数据预处理与ARIMAX建模两个核心模块CSV数据可直接用于训练与验证截图则直观展示模型输出效果便于对照理解。目前已有60人学习下载代码经导师指导并获评审99分认可完整可运行能帮助读者省去从零搭建环境与调试的时间快速掌握多变量时间序列预测的建模流程与实现思路。1. 从一份 99 分的课程设计说起ARIMAX 多变量预测到底能跑出什么很多做时间序列预测的同学第一次接触 ARIMAX 都是在课程设计或毕业设计里。单变量 ARIMA 已经够让人头大一旦要预测的目标受多个外部因素影响比如销量受价格和促销影响、电力负荷受温度和湿度影响单变量模型就明显不够用了。这份基于 ARIMAX 的多变量预测模型 Python 源码加数据集就是冲着这个场景来的它把数据预处理、差分平稳化、外生变量接入、模型定阶和预测评估串成了一条完整链路代码可以直接跑通数据集也一并打包好了。它适合三类人正在做 Python 期末大作业、课程设计、毕业设计的学生需要一份能讲清楚原理又能演示结果的完整项目刚入门时间序列、想找一个比 ARIMA 更进一步的实战案例的初学者以及需要快速验证多变量预测思路、不想从零搭数据管道的从业者。下面我按「资源里有什么 → 怎么跑起来 → 参数怎么调 → 坑在哪」的顺序把这份源码拆开讲一遍。2. 拆开压缩包arimax.py 与 datapre.py 的分工与数据流2.1 文件清单与各自职责解压后目录结构很干净核心就两个 Python 文件加两份 CSV 数据外加 README 和几张运行截图。先看清楚谁负责什么后面调试才不会乱。文件类型作用arimax.py主程序建模、定阶、训练、预测、评估datapre.py预处理读取原始数据、缺失值处理、差分、平稳性检验data.csv原始数据多变量时间序列含目标列和外生变量列datacf.csv中间数据预处理后用于建模的数据README.md说明环境依赖与运行顺序.gitignore配置忽略缓存与临时文件微信图片_*.png截图运行结果与图表展示这个分工是典型的两段式datapre.py 负责把「脏数据」变成「可建模数据」arimax.py 负责把「可建模数据」变成「预测结果」。很多人跑不通往往不是模型写错而是预处理和建模之间的数据格式没对齐。2.2 数据预处理脚本的关键逻辑datapre.py 里做的事按顺序是读 CSV、处理缺失值、做平稳性检验、必要时差分、把结果落盘成 datacf.csv。下面这段是我按它的思路还原的核心结构你可以对照自己的 datapre.py 看。import pandas as pd import numpy as np from statsmodels.tsa.stattools import adfuller # 读取原始多变量数据第一列通常是时间索引 df pd.read_csv(data.csv, index_col0, parse_datesTrue) # 缺失值处理时间序列常用前向填充避免破坏趋势 df df.fillna(methodffill).fillna(methodbfill) # 对每一列做 ADF 平稳性检验p 值大于 0.05 认为不平稳 def check_stationarity(series): result adfuller(series.dropna()) return result[1] # 返回 p 值 for col in df.columns: p check_stationarity(df[col]) print(f{col} ADF p-value: {p:.4f}) # 对不平稳的列做一阶差分差分会损失一行注意对齐 df_diff df.diff().dropna() # 落盘供建模脚本使用 df_diff.to_csv(datacf.csv)逻辑说明ADF 检验的 p 值小于 0.05 才认为序列平稳不平稳就差分。这里有个容易忽略的点——差分会让每列少一行如果目标列和外生变量列分别差分必须保证它们在同一时间轴上对齐否则建模时外生变量的行数会对不上。参数上methodffill是前向填充适合趋势性强的数据如果你的数据缺失是随机的用插值interpolate()更稳。2.3 建模脚本如何接入外生变量arimax.py 的核心是SARIMAX或ARIMA配合exog参数。ARIMAX 的「X」就是外生变量也就是那些不靠模型自身历史预测、而是作为输入喂进去的列。下面这段是建模主流程的还原。import pandas as pd import statsmodels.api as sm # 读取预处理后的数据 df pd.read_csv(datacf.csv, index_col0, parse_datesTrue) # 约定最后一列是预测目标其余列是外生变量 target df.iloc[:, -1] exog df.iloc[:, :-1] # order(p,d,q)d 因为已经差分过这里通常设 0 model sm.tsa.SARIMAX( target, exogexog, order(1, 0, 1), enforce_stationarityFalse, enforce_invertibilityFalse ) result model.fit(dispFalse) print(result.summary()) # 预测未来若干步外生变量需要同步提供未来值 forecast result.forecast(steps5, exogexog.tail(5)) print(forecast)逻辑说明exog必须和target行数一致、索引对齐这是 ARIMAX 最容易翻车的地方。order(1,0,1)里的 d 设 0是因为数据已经在 datapre.py 里差分过了如果这里再设 d1 就等于差分两次结果会失真。forecast的steps是预测步长exog要给出对应步数的外生变量未来值——如果未来外生变量未知就得先单独预测它们这是多变量预测绕不开的一环。3. 跑通全流程环境、命令与结果验证3.1 环境依赖与安装这份源码依赖的库不多但版本有讲究。statsmodels 不同版本对 SARIMAX 的参数校验严格程度不一样建议按 README 里的版本装或者用下面这套经过验证的组合。# 建议 Python 3.8 及以上 pip install pandas1.3.5 pip install numpy1.21.6 pip install statsmodels0.13.2 pip install matplotlib3.5.1逻辑说明pandas 负责数据读写和索引对齐statsmodels 提供 SARIMAX 实现matplotlib 用来画预测对比图。版本不是越新越好statsmodels 0.14 之后部分参数默认值有调整直接跑老代码可能报 warning 甚至结果偏移。如果你用 Anaconda可以新建一个虚拟环境再装避免和系统里的包冲突。3.2 运行顺序与命令运行顺序不能反先 datapre.py 生成 datacf.csv再 arimax.py 读取它建模。直接跑 arimax.py 而 datacf.csv 不存在会报文件找不到。# 第一步数据预处理生成 datacf.csv python datapre.py # 第二步建模与预测输出评估指标和图表 python arimax.py逻辑说明datapre.py 跑完会在同目录生成 datacf.csvarimax.py 默认读这个文件名。如果你改了输出文件名记得同步改 arimax.py 里的读取路径。运行后终端会打印 ADF 检验结果、模型摘要和预测值同时弹出或保存预测对比图。3.3 结果怎么看才算跑对跑通不等于跑对。判断标准有三个ADF 检验后各列 p 值是否小于 0.05模型摘要里 AIC、BIC 是否合理没有极端大或极端小预测曲线和真实曲线的趋势是否大致贴合。如果预测是一条直线多半是差分过头或者 order 设错如果报「exog 维度不匹配」就是外生变量和目标列行数没对齐。提示第一次跑建议把预测步长设小一点比如 steps3方便肉眼比对预测值和真实值确认逻辑无误后再拉长。4. 参数调优与定阶p、d、q 和外生变量怎么选4.1 用 ACF、PACF 辅助定阶p 和 q 的确定常见做法是看自相关图ACF和偏自相关图PACF。ACF 拖尾、PACF 截尾p 取截尾处的阶数ACF 截尾、PACF 拖尾q 取截尾处的阶数。这份源码里如果没自带画图可以自己补一段。import matplotlib.pyplot as plt from statsmodels.graphics.tsaplots import plot_acf, plot_pacf df pd.read_csv(datacf.csv, index_col0, parse_datesTrue) target df.iloc[:, -1] fig, axes plt.subplots(2, 1, figsize(10, 6)) plot_acf(target.dropna(), axaxes[0], lags20) plot_pacf(target.dropna(), axaxes[1], lags20) plt.tight_layout() plt.show()逻辑说明lags20表示看前 20 阶一般时间序列看 20 阶足够。ACF 在哪个 lag 后落入置信区间就提示 q 的上限PACF 同理提示 p。这只是辅助最终还要结合 AIC/BIC 网格搜索确认。4.2 网格搜索找最优 order手工看图容易主观更稳的做法是写个循环遍历 p、q 组合选 AIC 最小的。import itertools import statsmodels.api as sm df pd.read_csv(datacf.csv, index_col0, parse_datesTrue) target df.iloc[:, -1] exog df.iloc[:, :-1] best_aic float(inf) best_order None for p, q in itertools.product(range(3), range(3)): try: model sm.tsa.SARIMAX(target, exogexog, order(p, 0, q)) result model.fit(dispFalse) if result.aic best_aic: best_aic result.aic best_order (p, 0, q) except Exception as e: continue print(f最优 order: {best_order}, AIC: {best_aic:.2f})逻辑说明itertools.product(range(3), range(3))遍历 p、q 各 0 到 2 的组合共 9 种。try...except是为了跳过不收敛的组合避免整个脚本中断。AIC 越小说明模型在拟合优度和复杂度之间平衡得越好。参数上range 的上限可以按数据量调整数据点多可以放宽到 4 或 5但阶数太高容易过拟合。4.3 外生变量的筛选与滞后不是所有外生变量都值得放进模型。相关性弱的外生变量会增加噪声甚至让模型不收敛。常见做法是先算目标列和各外生变量的相关系数只保留相关性较高的另外外生变量的影响可能有滞后比如今天的促销影响明天的销量这时要把外生变量整体后移若干期再接入。# 计算目标列与各外生变量的相关性 corr df.corr().iloc[:, -1].sort_values(ascendingFalse) print(corr) # 对外生变量做滞后处理shift(1) 表示用前一天的值预测今天 exog_lagged exog.shift(1).dropna() target_aligned target.loc[exog_lagged.index]逻辑说明corr()给出相关系数绝对值接近 1 的优先保留。shift(1)把外生变量后移一期注意后移后会产生 NaN必须和 target 同步 dropna否则行数又对不上。滞后阶数怎么定可以看互相关函数也可以按业务经验比如价格影响通常滞后一到两周。5. 避坑与排查ARIMAX 跑不通的五个血泪现场5.1 现象报错「exog 与 endog 样本数不一致」原因目标列和外生变量列在差分或 dropna 后行数不同或者索引没对齐。差分操作各自丢行如果分别处理再合并很容易错位。解决统一在同一个 DataFrame 上做差分和 dropna保证 target 和 exog 来自同一个索引。建模前打印len(target)和len(exog)确认相等。5.2 现象预测结果是一条水平直线原因差分次数过多把数据的趋势和波动都差没了或者 order 里的 d 设成了非零而数据已经差分过。解决检查 datapre.py 是否已经差分如果差分了arimax.py 里 order 的 d 必须设 0。同时确认差分阶数一般一阶差分足够二阶以上要谨慎。5.3 现象模型不收敛报「Maximum Likelihood optimization failed」原因order 阶数太高、外生变量太多或存在严重多重共线性导致优化器找不到解。解决降低 p、q 阶数先从小组合试起用相关系数筛掉冗余外生变量加enforce_stationarityFalse和enforce_invertibilityFalse放宽约束但这只是缓解根因还是模型设定太复杂。5.4 现象ADF 检验 p 值始终大于 0.05原因数据存在明显趋势或季节性一阶差分不足以平稳或者数据本身是随机游走。解决尝试一阶差分后再看仍不平稳可考虑二阶差分或季节性差分。如果数据有周期性用 SARIMAX 的季节项seasonal_order处理而不是一味差分。5.5 现象预测未来时外生变量不知道填什么原因ARIMAX 预测需要未来外生变量的值但实际场景里未来价格、温度这些往往未知。解决常见做法是先用另一个简单模型比如线性回归或单变量 ARIMA预测外生变量的未来值再喂给 ARIMAX或者只做一步预测用最新观测到的外生变量。这是多变量预测的固有局限不是代码 bug。6. 进阶技巧滚动预测与结果可视化验证跑通基础流程后想让这份课程设计更有说服力可以加两个东西滚动预测和可视化对比。滚动预测是每次只预测一步然后把真实值并入历史再预测下一步这样更贴近实际使用场景也能避免一次性预测多步带来的误差累积。import pandas as pd import statsmodels.api as sm import matplotlib.pyplot as plt df pd.read_csv(datacf.csv, index_col0, parse_datesTrue) target df.iloc[:, -1] exog df.iloc[:, :-1] # 划分训练集和测试集最后 10 个点用于滚动验证 n_test 10 train_target target[:-n_test] train_exog exog[:-n_test] test_target target[-n_test:] test_exog exog[-n_test:] history_target list(train_target) history_exog train_exog.copy() predictions [] for i in range(n_test): model sm.tsa.SARIMAX( history_target, exoghistory_exog, order(1, 0, 1), enforce_stationarityFalse, enforce_invertibilityFalse ) result model.fit(dispFalse) # 用当前这一步的外生变量预测下一步 pred result.forecast(steps1, exogtest_exog.iloc[[i]]) predictions.append(pred.values[0]) # 把真实值并入历史滚动前进 history_target.append(test_target.iloc[i]) history_exog pd.concat([history_exog, test_exog.iloc[[i]]]) # 画对比图 plt.figure(figsize(10, 5)) plt.plot(range(n_test), test_target.values, label真实值, markero) plt.plot(range(n_test), predictions, label预测值, markerx) plt.legend() plt.title(滚动预测对比) plt.show()逻辑说明n_test10表示留出最后 10 个点做滚动验证这个数字按数据总量调整一般占 10% 到 20%。每次循环重新 fit 模型用当前外生变量预测一步然后把真实目标值追加进历史。test_exog.iloc[[i]]取第 i 行的外生变量保持 DataFrame 格式避免维度报错。滚动预测的计算量比一次性预测大但结果更可信答辩时也更好解释。可视化这块除了预测对比图建议再画一张残差图看残差是否接近白噪声。如果残差还有明显规律说明模型没榨干信息可以回去调 order 或加外生变量。我一般会强制自己走一遍「ADF 检验 → 定阶 → 残差检查 → 滚动验证」这四步少一步都可能被评审追问到哑口。这份源码把前两步搭好了后两步补上整个课程设计的完整度就上来了。希望帮到你。本文还有配套的精品资源点击获取